[发明专利]一种基于聚类算法的工业可调负荷潜力分析方法及系统

权利要求书

1.一种基于聚类算法的工业可调负荷潜力分析方法，其特征在于，包括如下步骤：

输入目标用户的可调节负荷设备参数，包括设备名称、设备所属行业、额定功率、运行容量；

根据输入的可调节负荷设备参数，在可调节负荷资源池特征库寻找目标类别，获取目标类别对应的平均削峰调节容量和平均填谷调节容量作为预测结果，所述目标类别具体为：设备名称和所属行业；

所述可调节负荷资源池特征库的构建过程包括：

获取多个可调节负荷设备的历史数据作为样本集，包括设备名称、设备所属行业、额定功率、运行容量、削峰调节容量和填谷调节容量；

将样本集进行聚类处理，划分为K个类别；

计算每个类别中所有可调节负荷设备的平均削峰调节容量和平均填谷调节容量，构建可调节负荷资源池特征库。

2.根据权利要求1所述的一种基于聚类算法的工业可调负荷潜力分析方法，其特征在于，所述将样本集进行聚类处理，划分为K个类别，包括，

利用Gap Statistic自动化确定最佳类别个数K；

选取K个中心点，记为μ₁，μ₂，…，μ_k；

定义损失函数其中x_i代表第i个样本，c_i是x_i所属的簇，代表簇对应中心点，M是样本总数；

重复执行收敛步骤，直到损失函数J单调递减到最小值，完成聚类处理。

3.根据权利要求2所述的一种基于聚类算法的工业可调负荷潜力分析方法，其特征在于，所述利用Gap Statistic自动化确定最佳类别个数K，包括，

计算每一类内样本点之间的欧式距离

标准化处理后得到

利用Monte Carlo采样的方法获得参考测度值Gap_n(k)＝E_n*logW_k-logW_k，其中B为采样的次数；

计算标准差其中，

选择满足Gap_k≥Gap_k+1-s_k+1的最小K值作为最佳K值。

4.根据权利要求2所述的一种基于聚类算法的工业可调负荷潜力分析方法，其特征在于，所述收敛步骤包括，

对于每个样本x_i，将其分配到距离最近的中心

对于每一个类别，重新计算该类的中心其中t＝0,1,2，……，t为迭代步骤。

5.一种基于聚类算法的工业可调负荷潜力分析系统，其特征在于，包括，

第一获取模块，用于获取多个可调节负荷设备的历史数据作为样本集，包括设备名称、设备所属行业、额定功率、运行容量、削峰调节容量和填谷调节容量；

第一处理模块，用于将样本集进行聚类处理，划分为K个类别；

第一计算模块，用于计算每个类别中所有可调节负荷设备的平均削峰调节容量和平均填谷调节容量，构建可调节负荷资源池特征库；

第一输入模块，用于输入目标用户的可调节负荷设备参数，包括设备名称、设备所属行业、额定功率、运行容量；

第二计算模块，用于根据输入的可调节负荷设备参数，在所述可调节负荷资源池特征库寻找目标类别，获取目标类别对应的平均削峰调节容量和平均填谷调节容量作为预测结果。

6.根据权利要求5所述的一种基于聚类算法的工业可调负荷潜力分析系统，其特征在于，所述第一处理模块包括，

第二处理模块，用于利用Gap Statistic自动化确定最佳类别个数K；

第一标记模块，用于选取K个中心点，记为μ₁，μ₂，…，μ_k；

第二标记模块，用于定义损失函数其中x_i代表第i个样本，c_i是x_i所属的簇，代表簇对应中心点，M是样本总数；

第三处理模块，用于重复执行收敛步骤，直到损失函数J单调递减到最小值，即可调节负荷设备的聚类结果收敛。