一种低压用户典型日负荷模式分析方法、装置及存储介质制造方法及图纸

本发明专利技术涉及电力系统用电负荷技术领域，公开了一种低压用户典型日负荷模式分析方法、装置及存储介质。本发明专利技术采集各低压用户在一天中不同采样时刻的有功功率，基于所述有功功率构建得到各低压用户的日负荷曲线；对所述日负荷曲线进行预处理，根据预处理后的日负荷曲线计算相应低压用户的负荷特性指标；基于所述负荷特性指标构建相应低压用户的数据样本集，以完成数据降维；采用灰狼优化算法确定聚类中心初始点，基于所述聚类中心初始点利用K

【技术实现步骤摘要】
一种低压用户典型日负荷模式分析方法、装置及存储介质


[0001]本专利技术涉及电力系统用电负荷
，尤其涉及一种低压用户典型日负荷模式分析方法、装置及存储介质。

技术介绍

[0002]低压电力用户的日负荷模式描述了电力负荷24小时内随时间的变化情况，反映了低压电力用户的电力负荷在短时间内的变化趋势。精细化的日负荷模式特性分析有助于电网进行实时优化调度、制定合理的需求响应管理措施以及电网规划层面的业扩报装和配电网改造等业务。
[0003]目前所使用的基于聚类的负荷模式分类方法(例如基于K
‑
means聚类的负荷模式分类方法)难以快速准确地分析低压用户的用电行为与特征，具体表现为：
[0004](1)现有的基于聚类的负荷模式分类方法都是通过随机选取初始化聚类中心完成，这种随机的初值选择机制差异很大，会造成聚类过程陷入局部搜索，因而聚类精度较低，稳定性较差；
[0005](2)低压用户用电数据量庞大，维度高，使用原始日负荷曲线数据直接进行聚类分析时，聚类数据样本的特性属性维度较高，进而导致聚类效率变低，此外，负荷曲线的内在特征及负荷曲线轮廓的相似性也被忽略；
[0006](3)数据样本的相似性通常是基于原始样本数据点距离(如欧式距离)进行相似性度量，然而，作为一种时间序列数据，日负荷曲线受低压用户类型、天气、分时电价政策等因素影响较大，导致低压用户数据的用电特性往往无法基于点距离直接充分体现。

技术实现思路

[0007]本专利技术提供了一种低压用户典型日负荷模式分析方法、装置及存储介质，解决了现有基于聚类的负荷模式分类方法难以快速准确地分析低压用户的用电行为与特征的技术问题。
[0008]本专利技术第一方面提供一种低压用户典型日负荷模式分析方法，其包括：
[0009]采集各低压用户在一天中不同采样时刻的有功功率，基于所述有功功率构建得到各低压用户的日负荷曲线；
[0010]对所述日负荷曲线进行预处理，得到预处理后的日负荷曲线；
[0011]根据所述预处理后的日负荷曲线计算相应低压用户的负荷特性指标；
[0012]基于所述负荷特性指标构建相应低压用户的数据样本集，以完成数据降维；
[0013]采用灰狼优化算法确定聚类中心初始点，基于所述聚类中心初始点利用K
‑
means聚类算法对各低压用户的数据样本集进行聚类，得到聚类结果；
[0014]基于所述聚类结果中的聚类中心确定各类低压用户的典型日负荷模式。
[0015]根据本专利技术第一方面的一种能够实现的方式，所述采集各低压用户在一天中不同采样时刻的有功功率，基于所述有功功率构建得到各低压用户的日负荷曲线，包括：
[0016]通过安装在低压用户侧的智能电表采集多个低压用户在一天中不同采样时刻的有功功率；所述采样时刻的间隔为15min；
[0017]以采样时间为X轴，有功功率为Y轴，将每个低压用户在不同采样时刻的有功功率连平滑曲线，得到每个低压用户的日负荷曲线。
[0018]根据本专利技术第一方面的一种能够实现的方式，所述对所述日负荷曲线进行预处理，得到预处理后的日负荷曲线，包括：
[0019]对所述日负荷曲线进行最大最小值的归一化处理；
[0020]对归一化处理后的日负荷曲线进行异常数据和缺失数据检测；
[0021]对异常数据和缺失数据的数量和大于预置数量阈值的日负荷曲线进行剔除；
[0022]对异常数据和缺失数据的数量和不大于所述预置数量阈值的日负荷曲线进行数据修正。
[0023]根据本专利技术第一方面的一种能够实现的方式，所述负荷特性指标包括负荷率、日峰谷差率、峰值负荷率、平值负荷率和谷值负荷率。
[0024]根据本专利技术第一方面的一种能够实现的方式，所述采用灰狼优化算法确定聚类中心初始点，包括：
[0025]步骤S10，初始化狼群：
[0026]设定所需的聚类中心个数k，随机生成k个聚类中心对灰狼位置进行编码，进而初始化一只灰狼的位置；重复S次以获得由S只初始灰狼组成的初始狼群，计算狼群中每只狼的适应度值，按照适应度值从大到小的顺序挑选出排名前三位的灰狼个体，按顺序记为α狼、β狼和δ狼；
[0027]步骤S20，更新狼群位置：
[0028]执行狼群包围策略：
[0029][0030]式中，l为当前迭代代数，l
max
为最大迭代代数，A和C均为协调系数矩阵，X
p
(l)为猎物的位置向量，X(l)为受到X
p
(l)影响前解的位置向量，X(l+1)为受到X
p
(l)影响后解的位置向量，a为收敛因子，r1和r2均为范围在[0,1]的随机向量；
[0031]所述狼群包围策略使得在每次迭代中获得的前三个最佳解将被保留并分成α狼、β狼和δ狼，且其他灰狼受到α狼、β狼和δ狼而更改自身位置：
[0032][0033]式中，X1为各狼受α狼影响后的移动方位，X2为各狼受β狼影响后的移动方位，X3为各狼受δ狼影响后的移动方位，X
α
(l)为α狼的位置向量，X
β
(l)为β狼的位置向量，X
δ
(l)为δ狼的位置向量，A1、A2、A3、C1、C2和C3为协调系数矩阵的相应元素；
[0034]步骤S30，构造适应度函数，计算每只灰狼的适应度值；
[0035]步骤S40，更新狼群等级：
[0036]更新收敛因子和协调系数矩阵，选择适应度值最优的前三只灰狼，并按顺序更新α狼、β狼和δ狼的位置；
[0037]步骤S50，迭代停止条件判断：
[0038]判断是否满足迭代停止条件；
[0039]若满足所述迭代停止条件，停止进行灰狼优化位置迭代计算，并把α狼的位置设所述聚类中心初始点；若不满足所述迭代停止条件，令迭代次数加1并返回步骤S20。
[0040]根据本专利技术第一方面的一种能够实现的方式，所述迭代停止条件为：
[0041]狼群适应度方差小于预置方差阈值或算法循环迭代次数达到预先设置的最大迭代次数；
[0042]所述狼群适应度方差按照下式进行计算：
[0043][0044]式中，z为狼群规模，f(p
i
)表示第i只灰狼的适应度值，f
avg
为所有灰狼个体的平均适应度值。
[0045]根据本专利技术第一方面的一种能够实现的方式，所述基于所述聚类中心初始点利用K
‑
means聚类算法对各低压用户的数据样本集进行聚类，包括：
[0046]步骤S100，将所述聚类中心初始点作为K
‑
means聚类算法的初始聚类中心；
[0047]步骤S200，计算每个数据对象到所有聚类中心点的距离，然后根据相似性准则将对象划分到与其距离最近的类；
[0048]步骤S300，以每个聚类中心的所有对象的均值作为新的聚类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低压用户典型日负荷模式分析方法，其特征在于，包括：采集各低压用户在一天中不同采样时刻的有功功率，基于所述有功功率构建得到各低压用户的日负荷曲线；对所述日负荷曲线进行预处理，得到预处理后的日负荷曲线；根据所述预处理后的日负荷曲线计算相应低压用户的负荷特性指标；基于所述负荷特性指标构建相应低压用户的数据样本集，以完成数据降维；采用灰狼优化算法确定聚类中心初始点，基于所述聚类中心初始点利用K
‑
means聚类算法对各低压用户的数据样本集进行聚类，得到聚类结果；基于所述聚类结果中的聚类中心确定各类低压用户的典型日负荷模式。2.根据权利要求1所述的低压用户典型日负荷模式分析方法，其特征在于，所述采集各低压用户在一天中不同采样时刻的有功功率，基于所述有功功率构建得到各低压用户的日负荷曲线，包括：通过安装在低压用户侧的智能电表采集多个低压用户在一天中不同采样时刻的有功功率；所述采样时刻的间隔为15min；以采样时间为X轴，有功功率为Y轴，将每个低压用户在不同采样时刻的有功功率连平滑曲线，得到每个低压用户的日负荷曲线。3.根据权利要求1所述的低压用户典型日负荷模式分析方法，其特征在于，所述对所述日负荷曲线进行预处理，得到预处理后的日负荷曲线，包括：对所述日负荷曲线进行最大最小值的归一化处理；对归一化处理后的日负荷曲线进行异常数据和缺失数据检测；对异常数据和缺失数据的数量和大于预置数量阈值的日负荷曲线进行剔除；对异常数据和缺失数据的数量和不大于所述预置数量阈值的日负荷曲线进行数据修正。4.根据权利要求1所述的低压用户典型日负荷模式分析方法，其特征在于，所述负荷特性指标包括负荷率、日峰谷差率、峰值负荷率、平值负荷率和谷值负荷率。5.根据权利要求1所述的低压用户典型日负荷模式分析方法，其特征在于，所述采用灰狼优化算法确定聚类中心初始点，包括：步骤S10，初始化狼群：设定所需的聚类中心个数k，随机生成k个聚类中心对灰狼位置进行编码，进而初始化一只灰狼的位置；重复S次以获得由S只初始灰狼组成的初始狼群，计算狼群中每只狼的适应度值，按照适应度值从大到小的顺序挑选出排名前三位的灰狼个体，按顺序记为α狼、β狼和δ狼；步骤S20，更新狼群位置：执行狼群包围策略：
式中，l为当前迭代代数，l
max
为最大迭代代数，A和C均为协调系数矩阵，X
p
(l)为猎物的位置向量，X(l)为受到X
p
(l)影响前解的位置向量，X(l+1)为受到X
p
(l)影响后解的位置向量，a为收敛因子，r1和r2均为范围在[0,1]的随机向量；所述狼群包围策略使得在每次迭代中获得的前三个最佳解将被保留并分成α狼、β狼和δ狼，且其他灰狼受到α狼、β狼和δ狼而更改自身位置：式中，X1为各狼受α狼影响后的移动方位，X2为各狼受β狼影响后的移动方位，X3为各狼受δ狼影响后的移动方位，X
α
(l)为α狼的位置向量，X
β
(l...

【专利技术属性】
技术研发人员：凌毓畅，潘姝慧，代晓丰，白浩，韩捷，李巍，李华生，徐敏，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：