一种基于用户用电负荷数据细分的聚类融合方法技术

一种基于用户用电负荷数据细分的聚类融合方法，包括以下步骤：1）采集数据；2）修正数据；3）转换数据；4）标准化数据；5）构造预处理聚类算法集；6）构建共识矩阵；7）运行聚类融合方法；8）归集用户。本发明专利技术将不同聚类算法或者同一聚类算法下使用不同参数得到的结果进行自动化合并，通过聚类融合可自动判别并生成最优的聚类结果，提高了聚类分析模型的自适应处理能力，降低用户用电负荷数据聚类分析过程中对先验知识的依赖度，减少人工操作，提高了方法的自动化程度。

【技术实现步骤摘要】

本专利技术涉及电力系统负荷建模
，特别涉及一种基于用户用电负荷数据细分的聚类融合算法。
技术介绍
用户用电负荷数据分析是供电企业了解用户用电负荷模式特性的重要方法，对供电企业规划负荷管理、变电站建设、电网运行状态评估等方面具有重要的作用。通过研究用户的用电负荷模式特性，有助于供电企业更深刻地认识用户，并能够根据不同的用户群制订相应的市场策略、提供针对性的个性化服务。基于用户用电负荷数据的用户群细分，目前主流的研究方式是依据用户日用电负荷曲线的形态变化，使用聚类分析算法对用户用电负荷数据进行智能分群，从中寻找用户用电行为的典型模式。应用于用户用电行为研究的聚类分析方法一般包括划分的方法、层次的方法、基于密度的方法。国内的研究大多根据用户用电负荷数据的特性，选定以上某种聚类算法并加以改进，再通过人工比对聚类效果，选取结果较好的聚类模型。由于用户用电负荷数据是不平衡的时间序列数据，数据结构的时序特性严重地影响传统聚类算法的效果。为得到较为可靠的聚类效果，需要根据不同的分析数据和先验知识，对聚类模型进行频繁的人工修整和改造，导致聚类模型适用性、鲁棒性较差，分析结果依赖于人工操作，无法本文档来自技高网...

【技术保护点】
一种基于用户用电负荷数据细分的聚类融合方法，其特征在于，包括以下步骤：S1采集某段时间内各指定时间点t的用户用电正向有功读数数据Wt和正向无功读数数据Vart；S2对采集的用户用电读数数据进行规范性校对：先删除采集的用户用电读数数据中的冗余数据，再查找用户用电读数数据中的缺失字段，选择作为分析对象的用户，对分析对象的用电读数数据进行修补缺失数据和剔除异常数据处理；S3根据处理后的数据，计算各用户在各指定时间点t的用电负荷数据St，并形成以用户为行，指定时间点的用电负荷数据St为列的矩阵S[N][t]，其中，N表示用户数，t表示各指定的时间点；S4对用户用电负荷数据St进行标准化处理，以提取负荷...

【技术特征摘要】
1.种基于用户用电负荷数据细分的聚类融合方法，其特征在于，包括以下步骤: Si采集某段时间内各指定时间点t的用户用电正向有功读数数据Wt和正向无功读数数据Vart ； S2对采集的用户用电读数数据进行规范性校对:先删除采集的用户用电读数数据中的冗余数据，再查找用户用电读数数据中的缺失字段，选择作为分析对象的用户，对分析对象的用电读数数据进行修补缺失数据和剔除异常数据处理； S3根据处理后的数据，计算各用户在各指定时间点t的用电负荷数据St，并形成以用户为行，指定时间点的用电负荷数据St为列的矩阵S[N] [t]，其中，N表示用户数，t表示各指定的时间点； S4对用户用电负荷数据St进行标准化处理，以提取负荷形态； S5选择一种以上的通用聚类算法构造预处理聚类算法集，根据先验知识设定两组以上运行参数，计算各通用聚类算法在各组运行参数下的用户用电负荷数据细分结果从而得到用户用电负荷数据细分结果集合，集合中对应同一组运行参数和同一通用聚类算法的结果为一个聚类成员，每一个聚类成员中根据各组运行参数的设定情况不同分为若干个簇，每个簇为一个以该簇为列、用户为行的单列矩阵，“I”表示某用户属于该簇，“O”表示某用户不属于该簇； S6根据聚类成员构建共识矩阵，其元素为两两用户属于同一簇的概率； S7随即选取m个用户作为典型用户，计算其对应的距离准则函数值，遍历所有典型用户组合，并选择对应最小距离准则函数值的典型用户组合，计算其它各个用户与这组典型用户中的各个用户属于同一簇的概率； S8设定概率阀值，以对应最小距离准则...

【专利技术属性】
技术研发人员：黄剑文，陈军，苏凯，严宇平，吴广财，莫玉纯，陈非，张世良，蔡嘉荣，
申请(专利权)人：广东电网公司信息中心，
类型：发明
国别省市：