【技术实现步骤摘要】
本专利技术涉及电力系统管理和数据分析，尤其涉及一种用于最大化负荷序列聚类间距离的自适应两阶段聚类方法及存储介质，其针对电力负荷特性的复杂性，利用统计分析和机器学习技术对电力系统中的负荷数据进行最大化负荷序列聚类间距离的自适应两阶段聚类分析用于改进的负荷数据聚类效果。
技术介绍
1、随着全球对可再生能源的日益依赖，以及各国对实现碳中和的承诺，电网的运行环境正面临前所未有的挑战。太阳能和风能等可再生能源的高度依赖性及其产能的不稳定性，使得电网负荷的波动性和不可预测性显著增加。此外，电动汽车的快速普及也为电网带来了新的负荷特征，这些负荷特征常常因地区、时间和用户行为差异而表现出高度的异质性。
2、在这样的背景下，传统的电力系统负荷管理方法逐渐显示出局限性，尤其是在负荷预测和能源调配方面。为了更好地适应这种复杂性和不断变化的能源供需状况，需要对电力负荷数据进行更为精细和深入的分析。这不仅包括传统的负荷预测，还需要通过高级统计方法和机器学习技术，如聚类分析，对负荷数据的概率分布和时空特征进行详细探究。
3、聚类技术已被证明...
【技术保护点】
1.一种用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，其步骤包括：
2.根据权利要求1所述的用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，对负荷数据集进行预处理包括：初始化第一感兴趣区域ROI的阈值、簇的权重向量w、簇内间距的阈值θ、修正的戴维斯-博尔丁指数DB Index、衡量第一阶段聚类效果的阈值σ、衡量第二阶段聚类效果的阈值Γk，其中，k为聚类的簇的个数。
3.根据权利要求2所述的用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，通过簇的权重向量w分别调整第一感兴趣区域ROI的簇间的相似度...
【技术特征摘要】
1.一种用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，其步骤包括：
2.根据权利要求1所述的用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，对负荷数据集进行预处理包括：初始化第一感兴趣区域roi的阈值、簇的权重向量w、簇内间距的阈值θ、修正的戴维斯-博尔丁指数db index、衡量第一阶段聚类效果的阈值σ、衡量第二阶段聚类效果的阈值γk，其中，k为聚类的簇的个数。
3.根据权利要求2所述的用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，通过簇的权重向量w分别调整第一感兴趣区域roi的簇间的相似度和第二感兴趣区域roi的簇间的相似度：
4.根据权利要求3所述的用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，在聚类时，时序负荷数据中差异较大的时刻就会得到加权，用于区分总体趋势相似的数据和寻找聚类边界。
5.根据权利要求3所述的用于最大化负荷序列聚类间距离的自适应两阶段聚类方法，其特征在于，
...【专利技术属性】
技术研发人员：董炜，陆承宇，杨滢，华文，叶琳，王博文，程颖，陆梦可，王龙飞，周靖皓，赵乐冰，周子青，刁瑞盛，乔天同，邱威铭，章枫，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
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。