基于雙層聚類(lèi)的用電負(fù)荷分類(lèi)研究.pdf

1、科學(xué)、準(zhǔn)確的用電負(fù)荷分類(lèi)對(duì)電力系統(tǒng)的規(guī)劃和經(jīng)濟(jì)運(yùn)行都具有重要意義。然而，隨著智能電網(wǎng)的發(fā)展，在主動(dòng)配電網(wǎng)大趨勢(shì)下，未來(lái)越來(lái)越多的分布式電源并網(wǎng)使得我國(guó)電力用戶(hù)用電負(fù)荷日益復(fù)雜，且用戶(hù)類(lèi)型多樣化。在當(dāng)今配用電大數(shù)據(jù)時(shí)代，現(xiàn)有的負(fù)荷分類(lèi)方法已不能滿(mǎn)足電力系統(tǒng)應(yīng)用的需求，因此，需要對(duì)負(fù)荷分類(lèi)方法進(jìn)行研究，以期找到一種適宜當(dāng)前負(fù)荷分類(lèi)需求的新方法，為用電稽查、負(fù)荷預(yù)測(cè)、負(fù)荷分布規(guī)劃和需求側(cè)管理等應(yīng)用提供有益的備選方案。
　　區(qū)別于傳統(tǒng)用戶(hù)

2、用電負(fù)荷分類(lèi)方法，提出一種以K-means聚類(lèi)算法為基礎(chǔ)的雙層聚類(lèi)分析方法。該方法結(jié)合給出的內(nèi)、外層變隨機(jī)設(shè)置為有目的選取初始聚類(lèi)中心的選取規(guī)則，解決了聚類(lèi)算法受初始聚類(lèi)中心隨機(jī)選取的影響，其收斂容易陷入局部最小化的問(wèn)題。結(jié)合電力負(fù)荷數(shù)據(jù)海量、多維等特點(diǎn)，提出簡(jiǎn)單距離函數(shù)并結(jié)合肘形判據(jù)作為聚類(lèi)有效性函數(shù)自動(dòng)確定最優(yōu)聚類(lèi)個(gè)數(shù)。利用余弦相似度形態(tài)相似作為外層聚類(lèi)的判據(jù)、歐式距離相近作為內(nèi)層聚類(lèi)的判據(jù)，對(duì)不需要經(jīng)過(guò)歸一化處理的用戶(hù)用電負(fù)荷向量

3、進(jìn)行分類(lèi)。最后對(duì)廣東某市電網(wǎng)2878個(gè)用戶(hù)日負(fù)荷曲線(xiàn)進(jìn)行算例分析，結(jié)果表明：雙層聚類(lèi)組合方法能把不同負(fù)荷水平、不同負(fù)荷形態(tài)的用戶(hù)準(zhǔn)確分類(lèi)出來(lái)，能夠有效克服傳統(tǒng)方法只與用戶(hù)用電負(fù)荷形態(tài)有關(guān)的不足，合理反映用戶(hù)用電負(fù)荷特性的差異，實(shí)現(xiàn)了地區(qū)用戶(hù)差異化用電負(fù)荷的自動(dòng)分類(lèi)識(shí)別功能，證明了上述方法的有效性和優(yōu)越性。
　　針對(duì)電力負(fù)荷曲線(xiàn)的特征，研究多種數(shù)據(jù)集降維算法，在降維后的數(shù)據(jù)集上進(jìn)行雙層聚類(lèi)，比較各種降維算法的信息損失和計(jì)算效率。為了