【技术实现步骤摘要】
一种变电站聚类方法及装置
[0001]本专利技术涉及用电数据分析领域，尤其涉及一种变电站聚类方法及装置。
技术介绍
[0002]电力负荷聚类分析是需求侧管理、负荷建模、电力系统规划等工作的重要基础，对电力系统的分析、运行、规划都具有重要意义。随着电力系统信息化程度的不断提高，配用电侧不断生产并记录着海量数据，同时电力公司的营配一体化实现了多种不同业务系统的集成，这为更有效的挖掘负荷数据奠定了基础。精确化的电力负荷聚类能提炼出负荷的共性特征，对于用户层的负荷聚类分析能提取其用电模式，帮助深刻把握用户用电规律；对于变电站层的负荷聚类分析则能在很大程度上反映系统的运行状态，能有效解决负荷的时变性及区域分散性问题。对于负荷聚类问题，传统方法是指定聚类个数，并采用经典聚类算法进行聚类，这种做法的不足之处在于给定的聚类数可能不是最佳聚类数，且对于大规模数据集，单一的聚类算法很难同时满足聚类效率与聚类精度两方面的要求。
技术实现思路
[0003]本专利技术提供了一种变电站聚类方法及装置，以解决现有技术难于获取最佳聚类数，且...
【技术保护点】
【技术特征摘要】
1.一种变电站聚类方法，其特征在于，包括：重复根据变电站负荷数据和更新后的聚类数，使用K
‑
means聚类算法和期望最大化算法得到高斯混合模型的聚类指标，直至更新后的聚类数大于阈值；其中，所述更新后的聚类数的初始值为预设的聚类数，并在得到高斯混合模型的聚类指标后增加预设值；根据熵权法，确定所述聚类指标的权重，再根据所述权重，建立聚类评价混合指数；将所述聚类评价混合指数的最大值对应的聚类数作为最佳聚类数，并根据所述变电站负荷数据和所述最佳聚类数，使用K
‑
means聚类算法和期望最大化算法得到变电站聚类结果和变电站聚类中心。2.如权利要求1所述的变电站聚类方法，其特征在于，所述根据变电站负荷数据和更新后的聚类数，使用K
‑
means聚类算法和期望最大化算法得到高斯混合模型的聚类指标，具体为：根据变电站负荷数据和更新后的聚类数，使用K
‑
means聚类算法选择出预设个数的聚类中心；根据所述聚类中心，使用期望最大化算法获取高斯混合模型的参数，并建立所述高斯混合模型；根据所述高斯混合模型，获取聚类评价结果的聚类指标。3.如权利要求2所述的变电站聚类方法，其特征在于，所述根据变电站负荷数据和更新后的聚类数，使用K
‑
means聚类算法选择出预设个数的聚类中心，具体为：从所述变电站负荷数据中随机选择一个数据对象作为第一聚类中心；计算每个数据对象与已选择的聚类中心之间的最小距离；重复根据所述最小距离，选择新的聚类中心，直至选择出预设个数的聚类中心。4.如权利要求2所述的变电站聚类方法，其特征在于，所述根据所述聚类中心，使用期望最大化算法获取高斯混合模型的参数，并建立所述高斯混合模型，具体为：根据所述聚类中心，设置高斯混合模型的参数，并计算与所述参数对应的对数似然函数；根据所述对数似然函数、期望最大化算法的E步骤和M步骤，计算得到更新后的参数；其中，所述更新后的参数为代入所述对数似然函数后，收敛的参数；根据所述更新后的参数，建立高斯混合模型。5.如权利要求4所述的变电站聚类方法，其特征在于，所述根据所述对数似然函数、期望最大化算法的E步骤和M步骤，计算得到更新后的参数，具体为：根据所述对数似然函数和期望最大化的E步骤，计算隐变量的后验概率；根据所述隐变量的后验概率和期望最大化的M步骤，通过迭代得到更新后的参数。6.如权利要求2所述的变电站聚类方法，其特征在于，所述根据所述高斯混合模型，获取聚类评价结果的聚类指标，具体为：根据所述高斯混合模型和负荷数据中的相似度，选取相似度中的最大值，计算并将所述最...
【专利技术属性】
技术研发人员：潘险险，余浩，高镱滈，林勇，左郑敏，刘若平，李雪松，孙宇航，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。