[发明专利]一种基于日负荷曲线的电力负荷聚类结果评价方法

说明书

本发明公开了一种基于日负荷曲线的电力负荷聚类结果评价方法，该方法包括以下步骤：基于日负荷曲线，确定待评物元，建立由多种聚类效果评价指标构成的聚类效果评价指标体系；基于综合评价权重法确定聚类效果评价指标权重系数；运用云物元理论，确定聚类效果评价指标的正态云物元模型；基于正态云物元模型，确定聚类效果评价指标同效果评价等级间的关联度；计算待评电力负荷关于各个效果评价等级的关联度；根据最大隶属度原则，关联度最大的效果评价等级判定为待评电力负荷的聚类结果。本发明提供的基于日负荷曲线的电力负荷聚类结果评价方法，明确了评价指标并提出了综合权重评价法，可对不同聚类算法的聚类效果进行科学的评价。

技术领域

本发明涉及电力负荷聚类技术领域，特别是涉及一种基于日负荷曲线的电力负荷聚类结果评价方法。

背景技术

负荷聚类(Load Clustering，LC)是根据各行业日负荷曲线特点，选取合适的聚类指标，采用一定的聚类算法，将变电站进行分类的过程。从负荷聚类结果中，可以大体看出变电站供电对象及负荷变化趋势，常用于负荷预测及电力系统的运行控制，对电力系统的安全稳定运行具有重大意义。

总体来看，关于负荷聚类的讨论主要集中在负荷曲线标准化方法、聚类算法的选择、聚类效果评价指标的选择这三个方面。近年来，关于负荷曲线标准化方法以及聚类算法的研究已经非常成熟。负荷曲线标准化方法主要有峰值标准化方法、最大最小值标准化方法、Z-score标准化方法。聚类算法主要有K-means算法、模糊C均值(fuzzy C-means，FCM)算法、Ward算法、自组织映射神经网络(Self-organizing map，SOM)算法等。目前关于负荷聚类方法的研究依然集中在标准化方法以及聚类算法的改进。

然而，针对聚类效果评价的研究进展十分有限，目前常用的聚类效果评价指标主要有MIA、CDI、SMI、DBI、SI、RFI，前五个聚类效果评价指标都是基于负荷曲线的欧式距离进行计算的，会受到标准化方法的影响，最后一个聚类效果评价指标不受标准化方法的影响。虽然有六个聚类效果评价指标，但是在实际项目中，一般只考虑其中一两个指标，而没有提出考虑多个指标拟合的综合评价方法。

发明内容

本发明的目的是提供一种基于日负荷曲线的电力负荷聚类结果评价方法，填补了当前电力负荷聚类效果的多指标综合评价方法的空白，建立了针对电力负荷聚类效果的评价体系，明确了评价指标并提出了综合权重评价法，可对不同聚类算法的聚类效果进行科学的评价。

为实现上述目的，本发明提供了如下方案：

本发明提供了一种基于日负荷曲线的电力负荷聚类结果评价方法，包括以下步骤：

步骤1，基于日负荷曲线，确定待评物元，建立由多种聚类效果评价指标构成的聚类效果评价指标体系；

步骤2，基于综合评价权重法确定聚类效果评价指标权重系数；

步骤3，运用云物元理论，确定聚类效果评价指标的正态云物元模型；

步骤4，基于正态云物元模型，确定聚类效果评价指标同效果评价等级间的关联度；

步骤5，计算待评电力负荷关于各个效果评价等级的关联度；

步骤6，根据最大隶属度原则，以关联度作为判定效果评价等级的标准，关联度最大的效果评价等级判定为待评电力负荷的聚类结果。

可选的，所述步骤1中，确定待评物元，建立由多种聚类效果评价指标构成的聚类效果评价指标体系，具体包括：

确定待评物元，包括：

MIA，表示分配给聚类的每个输入向量与其中心之间的平均距离；

CDI，表示同一集群中输入向量之间的平均基础距离与类代表负荷曲线之间的基础距离的比率；