一种工业用户用电负荷分类方法及相关装置制造方法及图纸

本发明专利技术公开了一种工业用户用电负荷分类方法，对于同一负荷向量，采用不同的负荷类别数基于FCM模型所对应的FCM算法训练并生成该负荷向量对应的分类结果，之后采用轮廓系数、CH指数和戴维森堡丁指数三类评价指标共同对各个负荷类别数对应的分类结果进行评价，可以根据评价输出对应最佳负荷类别数对应的最终分类结果，可以保证有效对工业用户用电负荷进行分类的准确性。本发明专利技术还提供了一种工业用户用电负荷分类装置、一种工业用户用电负荷分类设备以及一种计算机可读存储介质，同样具有上述有益效果。述有益效果。述有益效果。

【技术实现步骤摘要】
一种工业用户用电负荷分类方法及相关装置


[0001]本专利技术涉及用户用电预测
，特别是涉及一种工业用户用电负荷分类方法、一种工业用户用电负荷分类装置、一种工业用户用电负荷分类设备以及一种计算机可读存储介质。

技术介绍

[0002]根据国家能源局发布的数据统计，工业用户的用电量约占全社会总用电量的70％，电能的巨大消耗和电力市场的深化改革推动着电价计费策略的科学发展。然而，工业用户通常不能有效挖掘与利用蕴藏在自身负荷数据中的信息，无法理性认识自身的用电行为，形成粗放式的能源管理方式，导致资源浪费、用电成本过高，因此，对工业用户用电负荷进行有效分类显得尤为重要。
[0003]传统聚类算法有FCM(Fuzzy C
‑
means)算法、K
‑
means算法等。这些方法均存在一定缺陷，如不能有效初始化聚类中心、无法判断聚类数好坏等，因此需要有更有效的负荷分类方法，以达到对电力负荷进行精确分类的目的。所以如何提供一种可以有效对工业用户用电负荷进行分类的方法是本领域技术人员急需解决的问题。

技术实现思路

[0004]本专利技术的目的是提供一种工业用户用电负荷分类方法，可以有效对工业用户用电负荷进行分类；本专利技术的另一目的在于提供一种工业用户用电负荷分类装置、一种工业用户用电负荷分类设备以及一种计算机可读存储介质，可以有效对工业用户用电负荷进行分类。
[0005]为解决上述技术问题，本专利技术提供一种工业用户用电负荷分类方法，包括：
[0006]获取目标工业用户用电的负荷向量；
[0007]从预设的类别数集中选取多个负荷类别数，并在每次选取所述负荷类别数后，使用负荷向量根据所述负荷类别数对FCM模型进行训练，以通过训练后的FCM模型输出所述负荷类别数对应的分类结果；
[0008]根据所述分类结果，计算每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数；
[0009]根据每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数确定最佳负荷类别数；
[0010]将所述最佳负荷类别数对应的分类结果作为最终分类结果。
[0011]可选的，所述根据每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数确定最佳负荷类别数包括：
[0012]当所述轮廓系数、所述CH指数和所述戴维森堡丁指数中至少两类数值的最佳数据对应同一负荷类别数时，将该负荷类别数作为最佳负荷类别数；
[0013]当所述轮廓系数、所述CH指数和所述戴维森堡丁指数的最佳数据对应三个不同的
负荷类别数时，将三个所述负荷类别数中数值大的负荷类别数作为最佳负荷类别数。
[0014]可选的，所述负荷类别数选取的范围在2至9之间，包括端点值。
[0015]可选的，所述获取目标工业用户用电的负荷向量包括：
[0016]获取目标工业用户用电的日负荷曲线；
[0017]以预设间隔时间从所述日负荷曲线中选取采样点，形成负荷向量。
[0018]可选的，所述FCM模型中聚类中心的初始值的确定包括：
[0019]将所述负荷向量中对应同一时刻的元素沿预设顺序进行排列，形成待聚类序列；
[0020]通过选取的负荷类别数将排列后的所述待聚类序列中对应同一时刻的元素等分并计算等分后每一份元素组的平均值，作为所述FCM模型中聚类中心的初始值。
[0021]可选的，所述FCM模型的训练过程包括：
[0022]根据所述负荷向量对所述FCM模型进行训练，更新隶属度矩阵和聚类中心；
[0023]每次更新所述隶属度矩阵和所述聚类中心后，计算目标函数的值，并与上一计算轮次更新的目标函数值进行比较；
[0024]当本计算轮次所得的目标函数值小于上一计算轮次更新的目标函数值时，继续执行根据所述训练数据对所述FCM模型进行训练，更新隶属度矩阵和聚类中心的步骤；
[0025]当本计算轮次所得的目标函数值不小于上一计算轮次更新的目标函数值时，停止更新。
[0026]本专利技术还提供了一种工业用户用电负荷分类装置，包括：
[0027]获取模块，用于获取目标工业用户用电的负荷向量；
[0028]分类模块，用于从预设的类别数集中选取多个负荷类别数，并在每次选取所述负荷类别数后，使用负荷向量根据所述负荷类别数对FCM模型进行训练，以通过训练后的FCM模型输出所述负荷类别数对应的分类结果；
[0029]指数模块，用于根据所述分类结果，计算每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数；
[0030]最佳负荷类别数模块，用于根据每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数确定最佳负荷类别数；
[0031]结果模块，用于将所述最佳负荷类别数对应的分类结果作为最终分类结果。
[0032]可选的，所述最佳负荷类别数模块包括：
[0033]第一确定单元，用于当所述轮廓系数、所述CH指数和所述戴维森堡丁指数中至少两类数值的最佳数据对应同一负荷类别数时，将该负荷类别数作为最佳负荷类别数；
[0034]第二确定单元，用于当所述轮廓系数、所述CH指数和所述戴维森堡丁指数的最佳数据对应三个不同的负荷类别数时，将三个所述负荷类别数中数值大的负荷类别数作为最佳负荷类别数。
[0035]本专利技术还提供了一种工业用户用电负荷分类设备，所述设备包括：
[0036]存储器：用于存储计算机程序；
[0037]处理器：用于执行所述计算机程序时实现如上述任一项所述工业用户用电负荷分类方法的步骤。
[0038]本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述工业用户用电负荷分类
方法的步骤。
[0039]本专利技术所提供的一种工业用户用电负荷分类方法，对于同一负荷向量，采用不同的负荷类别数基于FCM模型所对应的FCM算法训练并生成该负荷向量对应的分类结果，之后采用轮廓系数、CH指数和戴维森堡丁指数三类评价指标共同对各个负荷类别数对应的分类结果进行评价，可以根据评价输出对应最佳负荷类别数对应的最终分类结果，可以保证有效对工业用户用电负荷进行分类的准确性。
[0040]本专利技术还提供了一种工业用户用电负荷分类装置、一种工业用户用电负荷分类设备以及一种计算机可读存储介质，同样具有上述有益效果，在此不再进行赘述。
附图说明
[0041]为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1为本专利技术实施例所提供的一种工业用户用电负荷分类方法的流程图；
[0043]图2为本专利技术实施例所提供的一种具体的工业用户用电负荷分类方法的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业用户用电负荷分类方法，其特征在于，包括：获取目标工业用户用电的负荷向量；从预设的类别数集中选取多个负荷类别数，并在每次选取所述负荷类别数后，使用负荷向量根据所述负荷类别数对FCM模型进行训练，以通过训练后的FCM模型输出所述负荷类别数对应的分类结果；根据所述分类结果，计算每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数；根据每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数确定最佳负荷类别数；将所述最佳负荷类别数对应的分类结果作为最终分类结果。2.根据权利要求1所述的方法，其特征在于，所述根据每一所述负荷类别数对应的轮廓系数、CH指数和戴维森堡丁指数确定最佳负荷类别数包括：当所述轮廓系数、所述CH指数和所述戴维森堡丁指数中至少两类数值的最佳数据对应同一负荷类别数时，将该负荷类别数作为最佳负荷类别数；当所述轮廓系数、所述CH指数和所述戴维森堡丁指数的最佳数据对应三个不同的负荷类别数时，将三个所述负荷类别数中数值大的负荷类别数作为最佳负荷类别数。3.根据权利要求2所述的方法，其特征在于，所述负荷类别数选取的范围在2至9之间，包括端点值。4.根据权利要求1所述的方法，其特征在于，所述获取目标工业用户用电的负荷向量包括：获取目标工业用户用电的日负荷曲线；以预设间隔时间从所述日负荷曲线中选取采样点，形成负荷向量。5.根据权利要求1所述的方法，其特征在于，所述FCM模型中聚类中心的初始值的确定包括：将所述负荷向量中对应同一时刻的元素沿预设顺序进行排列，形成待聚类序列；通过选取的负荷类别数将排列后的所述待聚类序列中对应同一时刻的元素等分并计算等分后每一份元素组的平均值，作为所述FCM模型中聚类中心的初始值。6.根据权利要求5所述的方法，其特征在于，所述FCM模型的训练过程包括：根据所述负荷向量对所述FCM模型进行训练，更新隶属度矩阵和聚类中心；每次更新所述隶属度矩阵和所述...

【专利技术属性】
技术研发人员：王媛媛，叶宇轩，陈俊，籍宏震，曹成军，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：