[发明专利]一种基于改进K均值聚类的负荷分类方法

说明书

本发明涉及一种基于改进K均值聚类的负荷分类方法，其技术特点在于：包括以下步骤：步骤1、获取N个负荷在同一典型日的日负荷数据；步骤2、对负荷数据l_i进行标准化，并计算得到标准化后的数据；步骤3、采用改进的K均值聚类法进行负荷分类。本发明能够使负荷分类结果更加准确，更好地为系统规划、错峰管理等提供技术支持和指导。

技术领域

本发明属于电力系统技术领域，涉及电力系统的负荷分类方法，尤其是一种基于改进K均值聚类的负荷分类方法。

背景技术

现阶段我国电力负荷快速增长，峰谷差增大，高峰时段和电力设备检修季节电力供应紧张，给电网运行带来很大威胁，但目前对电力负荷特性的分析研究不深入，对其变化规律掌握不精准，不能对负荷预测、电网规划、经济调度、电力市场等提供有效的技术支持和指导。因此需要研究电力负荷特性，分析电力负荷的变化规律，对负荷进行分类，从而给系统规划、错峰管理等提供基础，增加电力系统运行的安全稳定性，提高供电质量。

负荷分类就是要研究一种有效的负荷分类方法，根据用户的负荷特性进行准确、科学地分类，使得划分到同一类中的用户具有相同或相似的负荷特性，不同类的负荷特性差异较大。现有负荷分类方法主要有K均值聚类、模糊聚类、系统聚类、神经网络、SOM(Self-organizing Maps)等算法。聚类算法大都基于欧几里得距离衡量负荷曲线之间的相似性，但是由于欧几里得距离主要用于衡量二维数据之间的远近，用于曲线之间的距离衡量时准确性会降低，在聚类分析时也会降低分类结果准确性；神经网络和SOM方法主要是基于反复学习训练从而建立相应模型，但该方法需要大量的学习数据，限制了其实际应用。因此需要研究准确有效的负荷分类方法。

发明内容

本发明的目的在于克服现有技术中的缺陷，提供一种设计合理、准确有效的基于改进K均值聚类的负荷分类方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于改进K均值聚类的负荷分类方法，包括以下步骤：

步骤1、获取N个负荷在同一典型日的日负荷数据；

步骤2、对负荷数据l_i进行标准化，并计算得到标准化后的数据；

步骤3、采用改进的K均值聚类法进行负荷分类。

而且，所述步骤1的具体方法为：负荷数据采样间隔为1小时，则一天内1:00～24:00负荷数据为L＝(l₁,l₂,…,l_N)，其中l_i＝(l_1,i,l_2,i,…,l_24,i)^T(i＝1,2,…,N)表示第i个负荷在24小时内的负荷变化曲线。

而且，所述步骤2的对负荷数据l_i进行标准化的具体方法为：

其中，avg(l_i)表示向量l_i的平均值；std(l_i)表示向量l_i的标准差；

计算得到标准化后的样本数据S＝(s₁,s₂,…,s_N)，其中s_i＝(s_1,i,s_2,i,…,s_24,i)^T，表示第i个负荷在24小时内的标准化负荷变化曲线。

而且，所述步骤3的具体步骤包括：

(1)初始化，设定分类数K和算法循环次数上限N_l；

(2)在样本数据S中随机选取K条负荷曲线作为初始聚类中心