CN106022976A - 一种面向需求侧的电力用户分类方法及系统 - Google Patents
一种面向需求侧的电力用户分类方法及系统 Download PDFInfo
- Publication number
- CN106022976A CN106022976A CN201610590781.3A CN201610590781A CN106022976A CN 106022976 A CN106022976 A CN 106022976A CN 201610590781 A CN201610590781 A CN 201610590781A CN 106022976 A CN106022976 A CN 106022976A
- Authority
- CN
- China
- Prior art keywords
- power
- demand
- electric power
- class
- consumer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本申请公开了一种面向需求侧的电力用户分类方法及系统,该方法包括:获取N个电力用户的用电功率需求量,得到N份用电功率需求量;基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对上述N个电力用户进行聚类分析,得到M类电力用户,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。本申请实现了进一步提升需求侧电力用户分类精细化程度的目的,并且,上述基于变化率等级进行聚类的方案,能够有效地削弱因部分供电采集点数据异常导致的聚类误差。
Description
技术领域
本发明涉及电力需求侧信息管理技术领域,特别涉及一种面向需求侧的电力用户分类方法及系统。
背景技术
智能电网代表当今电网发展变革的最新方向,其中,电力需求侧管理技术是智能电网技术的重要组成部分之一。通过需求侧和供电侧的信息双向互动,能够实现用户的实时智能管理与控制。对供电侧而言,通过需求侧管理可有效提高系统运行稳定性、可靠性以及经济性,提高电网系统整体运行效率;对用电侧而言,通过需求侧管理技术中的智能用电策略,可实现其智能用电,降低其用电成本。
然而,当前电力需求侧的管理是一种较为宏观的管理,尤其是在对需求侧的电力用户的分类管理上,存在分类方式较为粗放等问题,从而降低了需求侧管理策略的管理效率。
综上所述可以看出,如何对需求侧的电力用户进行精细化的分类是目前有待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种面向需求侧的电力用户分类方法及系统,实现了对需求侧的电力用户进行精细化分类的目的。其具体方案如下:
一种面向需求侧的电力用户分类方法,包括:
获取N个电力用户的用电功率需求量,得到N份用电功率需求量,其中,N为正整数;
基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对所述N个电力用户进行聚类分析,得到M类电力用户,M为不大于N的正整数,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。
优选的,在对所述N个电力用户进行聚类分析之前,所述方法还包括:
对所述N份用电功率需求量中的异常数据进行修复处理。
优选的,所述预设聚类方法为迭代聚类方法。
优选的,所述对所述N个电力用户进行聚类分析的过程,包括:
以所述用电功率需求量的大小等级为初次聚类指标,对所述N个电力用户进行初次聚类分析,得到M11类电力用户;其中,M11为不大于N的正整数;
以所述用电功率需求量的变化率等级为二次聚类指标,分别对所述M11类电力用户中的每类电力用户进行二次聚类分析,得到所述M类电力用户。
优选的,所述对所述N个电力用户进行初次聚类分析的过程,包括:
步骤S41:随机生成包含M11个聚类中心的第一中心集;
步骤S42:利用所述第一中心集,对所述N份用电功率需求量进行聚类,以将每份用电功率需求量归属至相应的聚类中心;
步骤S43:若当前存在至少一个聚类中心没有从属用电功率需求量,则计算当前所有用电功率需求量与相应的聚类中心之间的欧氏距离之和,得到初始距离和;
步骤S44:对当前的第一中心集进行更新,得到新的第一中心集;
步骤S45:利用所述新的第一中心集,对所述N份用电功率需求量进行聚类,然后计算当前所有用电功率需求量与相应的聚类中心之间的欧氏距离之和,得到当前距离和;
步骤S46:判断所述初始距离和所述当前距离和是否相等,如果否,则重新进入步骤S44,如果是,则聚类结束,得到所述M11类电力用户。
优选的,所述分别对所述M11类电力用户中的每类电力用户进行二次聚类分析的过程,包括:
步骤S51:随机生成包含M12个聚类中心的第二中心集,并利用每个电力用户的用电功率需求量,计算每个电力用户所对应的功率变化率;
步骤S52:利用所述第二中心集,分别对所述M11类电力用户的每类电力用户中所有电力用户所对应的功率变化率进行二次聚类,以将每类电力用户中不同电力用户所对应的不同功率变化率归属至相应的聚类中心;
步骤S53:若当前存在至少一个聚类中心没有从属功率变化率,则计算当前所有功率变化率与相应的聚类中心之间的欧氏距离之和,得到初始二次聚类距离和;
步骤S54:对当前的第二中心集进行更新,得到新的第二中心集;
步骤S55:利用所述新的第二中心集,分别对所述M11类电力用户的每类电力用户中所有电力用户所对应的功率变化率进行二次聚类,然后计算当前所有功率变化率与相应的聚类中心之间的欧氏距离之和,得到当前二次聚类距离和;
步骤S56:判断所述初始二次聚类距离和和所述当前二次聚类距离和是否相等,如果否,则重新进入步骤S54,如果是,则聚类结束,得到所述M类电力用户,其中,M=M11*M12。
优选的,所述对所述N个电力用户进行聚类分析的过程,包括:
以所述用电功率需求量的变化率等级为初次聚类指标,对所述N个电力用户进行初次聚类分析,得到M21类电力用户;其中,M21为不大于N的正整数;
以所述用电功率需求量的大小等级为二次聚类指标,分别对所述M21类电力用户中的每类电力用户进行二次聚类分析,得到所述M类电力用户。
本发明还公开了一种面向需求侧的电力用户分类系统,包括:
数据获取模块,用于获取N个电力用户的用电功率需求量,得到N份用电功率需求量,其中,N为正整数;
聚类分析模块,用于基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对所述N个电力用户进行聚类分析,得到M类电力用户,M为不大于N的正整数,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。
优选的,所述电力用户分类系统,还包括:
数据修复模块,用于在所述聚类分析模块进行聚类分析之前,对所述N份用电功率需求量中的异常数据进行修复处理。
优选的,所述聚类分析模块具体基于迭代聚类方法进行聚类分析。
本发明中,面向需求侧的电力用户分类方法,包括:获取N个电力用户的用电功率需求量,得到N份用电功率需求量;基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对上述N个电力用户进行聚类分析,得到M类电力用户,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。可见,本发明在对需求侧的电力用户进行分类时,不仅将用电功率需求量的大小等级作为聚类指标,还将用电功率需求量的变化率等级也作为了聚类指标,通过上述两种聚类指标,对需要进行分类的多个电力用户进行相应的聚类分析,从而最终使得每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同大小等级和相同变化率等级,相对于传统的只考虑用电功率需求量大小等级的分类模式,本发明实现了进一步提升需求侧电力用户分类精细化程度的目的,并且,上述基于变化率等级进行聚类的方案,能够有效地削弱因部分供电采集点数据异常导致的聚类误差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种面向需求侧的电力用户分类方法流程图;
图2为本发明实施例公开的一种具体的面向需求侧的电力用户分类方法流程图;
图3为本发明实施例公开的一种面向需求侧的电力用户分类系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种面向需求侧的电力用户分类方法,参见图1所示,该方法包括:
步骤S11:获取N个电力用户的用电功率需求量,得到N份用电功率需求量,其中,N为正整数。
可以理解的是,上述步骤S11中所获取的用电功率需求量是后续对电力用户进行分类的依据所在。其中,一个电力用户的用电功率需求量具体是指该电力用户在预设采样周期内的用电功率需求量,上述预设采样周期可以是指一天或一个星期,也可以是指一个月或几个月,甚至可以是指一天中的特定几个小时,这可以根据分类的实际需要对上述预设采样周期进行确定,在此不对其进行具体限定。
步骤S12:基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对上述N个电力用户进行聚类分析,得到M类电力用户,M为不大于N的正整数,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。
也即,本实施例在对上述N个电力用户进行聚类分析时,是基于两个聚类指标来展开聚类分析的,其中一个聚类指标是用电功率需求量的大小等级,另一个聚类指标则是用电功率需求量的变化率等级。基于上述两个聚类指标对电力用户进行分类后,所得到的每类电力用户中,所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。也即,每类电力用户中用电功率需求量的大小相似或相同,并且用电功率需求量的变化率相似或相同。
本发明实施例中,面向需求侧的电力用户分类方法,包括:获取N个电力用户的用电功率需求量,得到N份用电功率需求量;基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对上述N个电力用户进行聚类分析,得到M类电力用户,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。可见,本发明实施例在对需求侧的电力用户进行分类时,不仅将用电功率需求量的大小等级作为聚类指标,还将用电功率需求量的变化率等级也作为了聚类指标,通过上述两种聚类指标,对需要进行分类的多个电力用户进行相应的聚类分析,从而最终使得每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同大小等级和相同变化率等级,相对于传统的只考虑用电功率需求量大小等级的分类模式,本发明实施例实现了进一步提升需求侧电力用户分类精细化程度的目的,并且,上述基于变化率等级进行聚类的方案,能够有效地削弱因部分供电采集点数据异常导致的聚类误差。
本发明实施例公开了一种具体的面向需求侧的电力用户分类方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
上一实施例步骤S11中,在对N个电力用户进行聚类分析之前,还可以进一步对上述N份用电功率需求量中的异常数据进行修复处理,具体的过程包括:从上述N份用电功率需求量中筛选出异常数据,然后对异常的用电功率需求量进行修复。
其中,判断某份用电功率需求量是否为异常数据的过程为:判断该用电功率需求量的变化率是否位于预设的允许波动范围,如果是,则判定该用电功率需求量是正常数据,如果否,则判定该用电功率需求量是异常数据。需要说明的是,上述预设的允许波动范围具体可根据多个采样周期内相应电力用户的用电功率需求量变化率的平均值来进行确定。
另外,对异常的用电功率需求量进行修复的过程具体可以为:将相应电力用户的最近一次采集到的正常的用电功率需求量乘以预设的修复因子,得到相应的数值,并将该数值作为修复后的用电功率需求量。其中,上述预设的修复因子可根据人为经验进行设定,在此不对其进行具体限定。
另外,本实施例中所采用的聚类方法为迭代聚类方法,也即,上一实施例步骤S12中的预设聚类方法具体为迭代聚类方法。
参见图2所示,上一实施例步骤S12中,对N个电力用户进行聚类分析的过程,具体包括下面步骤S121和步骤S122;其中,
步骤S121:以用电功率需求量的大小等级为初次聚类指标,对上述N个电力用户进行初次聚类分析,得到M11类电力用户;其中,M11为不大于N的正整数;
步骤S122:以用电功率需求量的变化率等级为二次聚类指标,分别对上述M11类电力用户中的每类电力用户进行二次聚类分析,得到M类电力用户。
具体的,上述步骤S121中,对上述N个电力用户进行初次聚类分析的过程,包括下面步骤S41至步骤S46;其中,
步骤S41:随机生成包含M11个聚类中心的第一中心集。
也即,上述M11个聚类中心是随机生成的,通常无法作为最终的聚类中心,需要通过多次的迭代进行多次的更新。
步骤S42:利用第一中心集,对上述N份用电功率需求量进行聚类,以将每份用电功率需求量归属至相应的聚类中心。
具体的,在对每一份用电功率需求量进行聚类的过程具体是将该用电功率需求量归属至上述第一中心集中与其欧氏距离最近的一个聚类中心。
步骤S43:若当前存在至少一个聚类中心没有从属用电功率需求量,则计算当前所有用电功率需求量与相应的聚类中心之间的欧氏距离之和,得到初始距离和。
需要说明的是,若当前存在至少一个聚类中心没有从属用电功率需求量,这意味着当前所采用的中心集中存在不及格的聚类中心,所以后续需要去除这些不及格的聚类中心,而在去除这些不及格的聚类中心之前,需要先计算当前所有用电功率需求量与相应的聚类中心之间的欧氏距离之和,也即,先计算每份用点功率需求量与相应聚类中心之间的欧式距离,得到N个欧氏距离,然后将这N个欧式距离相加,从而得到上述初始距离和。
步骤S44:对当前的第一中心集进行更新,得到新的第一中心集。
其中,设当前没有从属用电功率需求量的聚类中心的个数为K个,则上述对当前的第一中心集进行更新的过程具体包括:从当前的第一中心集中去除上述没有从属用电功率需求量的K个聚类中心,然后计算剩余的M11-K个聚类中心的每个聚类中心中的所有用电功率需求量的平均值,相应地得到M11-K个平均值,并将每个平均值确定为新的聚类中心,相应地得到M11-K个聚类中心,并且随机生成K个新的聚类中心,接着将上述M11-K个聚类中心和上述K个新的聚类中心合并成包含M11个新的聚类中心的中心集,从而得到上述新的第一中心集。
步骤S45:利用新的第一中心集,对上述N份用电功率需求量进行聚类,然后计算当前所有用电功率需求量与相应的聚类中心之间的欧氏距离之和,得到当前距离和。
具体的,在利用上述新的第一中心集对每一份用电功率需求量进行聚类的过程,具体是将该用电功率需求量归属至上述新的第一中心集中与其欧氏距离最近的一个聚类中心。
步骤S46:判断上述初始距离和当前距离和是否相等,如果否,则重新进入步骤S44,如果是,则聚类结束,得到M11类电力用户。
需要说明的是,当上述初始距离和上述步骤S45中的当前距离和相等时,则意味着此时的聚类已完善,无需再次进行聚类。
进一步的,上述步骤S122中,分别对M11类电力用户中的每类电力用户进行二次聚类分析的过程,具体包括:
步骤S51:随机生成包含M12个聚类中心的第二中心集,并利用每个电力用户的用电功率需求量,计算每个电力用户所对应的功率变化率。
步骤S52:利用第二中心集,分别对上述M11类电力用户的每类电力用户中所有电力用户所对应的功率变化率进行二次聚类,以将每类电力用户中不同电力用户所对应的不同功率变化率归属至相应的聚类中心。
具体的,在对每一功率变化率进行二次聚类的过程具体是将该功率变化率归属至上述第二中心集中与其欧氏距离最近的一个聚类中心。
步骤S53:若当前存在至少一个聚类中心没有从属功率变化率,则计算当前所有功率变化率与相应的聚类中心之间的欧氏距离之和,得到初始二次聚类距离和。
步骤S54:对当前的第二中心集进行更新,得到新的第二中心集。
其中,设当前没有从属功率变化率的聚类中心的个数为H个,则上述对当前的第二中心集进行更新的过程具体包括:从当前的第二中心集中去除上述没有从属功率变化率的H个聚类中心,然后计算剩余的M12-H个聚类中心的每个聚类中心中的所有功率变化率的平均值,相应地得到M12-H个平均值,并将每个平均值确定为新的聚类中心,相应地得到M12-H个聚类中心,并且随机生成H个新的聚类中心,接着将上述M12-H个聚类中心和上述H个新的聚类中心合并成包含M12个新的聚类中心的中心集,从而得到上述新的第二中心集。
步骤S55:利用新的第二中心集,分别对上述M11类电力用户的每类电力用户中所有电力用户所对应的功率变化率进行二次聚类,然后计算当前所有功率变化率与相应的聚类中心之间的欧氏距离之和,得到当前二次聚类距离和。
步骤S56:判断初始二次聚类距离和和当前二次聚类距离和是否相等,如果否,则重新进入步骤S54,如果是,则聚类结束,得到M类电力用户,其中,M=M11*M12。
本发明实施例公开了另一种具体的面向需求侧的电力用户分类方法,与上一实施例不同的是,在本实施例里,前述实施例步骤S12中的对N个电力用户进行聚类分析的过程,具体包括下面步骤S123和步骤S124;其中,
步骤S123:以用电功率需求量的变化率等级为初次聚类指标,对N个电力用户进行初次聚类分析,得到M21类电力用户;其中,M21为不大于N的正整数;
步骤S124:以用电功率需求量的大小等级为二次聚类指标,分别对M21类电力用户中的每类电力用户进行二次聚类分析,得到M类电力用户。
需要说明的是,上述步骤S123在利用变化率等级作为初次聚类指标来进行聚类时所采用的聚类方法为迭代聚类方法,同样,上述步骤S124中在利用大小等级作为二次聚类指标来进行聚类时所采用的聚类方法也为迭代聚类方法。
相应的,本发明实施例还公开了一种面向需求侧的电力用户分类系统,参见图3所示,该系统包括:
数据获取模块31,用于获取N个电力用户的用电功率需求量,得到N份用电功率需求量,其中,N为正整数;
聚类分析模块32,用于基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对上述N个电力用户进行聚类分析,得到M类电力用户,M为不大于N的正整数,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。
可见,本发明实施例在对需求侧的电力用户进行分类时,不仅将用电功率需求量的大小等级作为聚类指标,还将用电功率需求量的变化率等级也作为了聚类指标,通过上述两种聚类指标,对需要进行分类的多个电力用户进行相应的聚类分析,从而最终使得每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同大小等级和相同变化率等级,相对于传统的只考虑用电功率需求量大小等级的分类模式,本发明实施例实现了进一步提升需求侧电力用户分类精细化程度的目的,并且,上述基于变化率等级进行聚类的方案,能够有效地削弱因部分供电采集点数据异常导致的聚类误差。
进一步的,上述电力用户分类系统,还可以包括:
数据修复模块,用于在聚类分析模块进行聚类分析之前,对N份用电功率需求量中的异常数据进行修复处理。
另外,上述聚类分析模块具体可以基于迭代聚类方法进行聚类分析。
而关于上述各个模块更加详细的工作过程可以参考前述实施例中公开的相关内容,在此不再进行一一赘述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种面向需求侧的电力用户分类方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种面向需求侧的电力用户分类方法,其特征在于,包括:
获取N个电力用户的用电功率需求量,得到N份用电功率需求量,其中,N为正整数;
基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对所述N个电力用户进行聚类分析,得到M类电力用户,M为不大于N的正整数,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。
2.根据权利要求1所述的面向需求侧的电力用户分类方法,其特征在于,在对所述N个电力用户进行聚类分析之前,还包括:
对所述N份用电功率需求量中的异常数据进行修复处理。
3.根据权利要求1或2所述的面向需求侧的电力用户分类方法,其特征在于,所述预设聚类方法为迭代聚类方法。
4.根据权利要求3所述的面向需求侧的电力用户分类方法,其特征在于,所述对所述N个电力用户进行聚类分析的过程,包括:
以所述用电功率需求量的大小等级为初次聚类指标,对所述N个电力用户进行初次聚类分析,得到M11类电力用户;其中,M11为不大于N的正整数;
以所述用电功率需求量的变化率等级为二次聚类指标,分别对所述M11类电力用户中的每类电力用户进行二次聚类分析,得到所述M类电力用户。
5.根据权利要求4所述的面向需求侧的电力用户分类方法,其特征在于,所述对所述N个电力用户进行初次聚类分析的过程,包括:
步骤S41:随机生成包含M11个聚类中心的第一中心集;
步骤S42:利用所述第一中心集,对所述N份用电功率需求量进行聚类,以将每份用电功率需求量归属至相应的聚类中心;
步骤S43:若当前存在至少一个聚类中心没有从属用电功率需求量,则计算当前所有用电功率需求量与相应的聚类中心之间的欧氏距离之和,得到初始距离和;
步骤S44:对当前的第一中心集进行更新,得到新的第一中心集;
步骤S45:利用所述新的第一中心集,对所述N份用电功率需求量进行聚类,然后计算当前所有用电功率需求量与相应的聚类中心之间的欧氏距离之和,得到当前距离和;
步骤S46:判断所述初始距离和所述当前距离和是否相等,如果否,则重新进入步骤S44,如果是,则聚类结束,得到所述M11类电力用户。
6.根据权利要求4所述的面向需求侧的电力用户分类方法,其特征在于,所述分别对所述M11类电力用户中的每类电力用户进行二次聚类分析的过程,包括:
步骤S51:随机生成包含M12个聚类中心的第二中心集,并利用每个电力用户的用电功率需求量,计算每个电力用户所对应的功率变化率;
步骤S52:利用所述第二中心集,分别对所述M11类电力用户的每类电力用户中所有电力用户所对应的功率变化率进行二次聚类,以将每类电力用户中不同电力用户所对应的不同功率变化率归属至相应的聚类中心;
步骤S53:若当前存在至少一个聚类中心没有从属功率变化率,则计算当前所有功率变化率与相应的聚类中心之间的欧氏距离之和,得到初始二次聚类距离和;
步骤S54:对当前的第二中心集进行更新,得到新的第二中心集;
步骤S55:利用所述新的第二中心集,分别对所述M11类电力用户的每类电力用户中所有电力用户所对应的功率变化率进行二次聚类,然后计算当前所有功率变化率与相应的聚类中心之间的欧氏距离之和,得到当前二次聚类距离和;
步骤S56:判断所述初始二次聚类距离和和所述当前二次聚类距离和是否相等,如果否,则重新进入步骤S54,如果是,则聚类结束,得到所述M类电力用户,其中,M=M11*M12。
7.根据权利要求3所述的面向需求侧的电力用户分类方法,其特征在于,所述对所述N个电力用户进行聚类分析的过程,包括:
以所述用电功率需求量的变化率等级为初次聚类指标,对所述N个电力用户进行初次聚类分析,得到M21类电力用户;其中,M21为不大于N的正整数;
以所述用电功率需求量的大小等级为二次聚类指标,分别对所述M21类电力用户中的每类电力用户进行二次聚类分析,得到所述M类电力用户。
8.一种面向需求侧的电力用户分类系统,其特征在于,包括:
数据获取模块,用于获取N个电力用户的用电功率需求量,得到N份用电功率需求量,其中,N为正整数;
聚类分析模块,用于基于预设聚类方法,并以用电功率需求量的大小等级和用电功率需求量的变化率等级为聚类指标,对所述N个电力用户进行聚类分析,得到M类电力用户,M为不大于N的正整数,其中,每类电力用户中的所有电力用户所对应的用电功率需求量均具有相同的大小等级和相同的变化率等级。
9.根据权利要求8所述的面向需求侧的电力用户分类系统,其特征在于,还包括:
数据修复模块,用于在所述聚类分析模块进行聚类分析之前,对所述N份用电功率需求量中的异常数据进行修复处理。
10.根据权利要求8或9所述的面向需求侧的电力用户分类系统,其特征在于,所述聚类分析模块具体基于迭代聚类方法进行聚类分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610590781.3A CN106022976A (zh) | 2016-07-25 | 2016-07-25 | 一种面向需求侧的电力用户分类方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610590781.3A CN106022976A (zh) | 2016-07-25 | 2016-07-25 | 一种面向需求侧的电力用户分类方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106022976A true CN106022976A (zh) | 2016-10-12 |
Family
ID=57117456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610590781.3A Pending CN106022976A (zh) | 2016-07-25 | 2016-07-25 | 一种面向需求侧的电力用户分类方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022976A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766907A (zh) * | 2018-11-23 | 2019-05-17 | 国网江苏省电力有限公司电力科学研究院 | 一种支持模式周期自发现的行业用电模式提取方法 |
CN110363382A (zh) * | 2019-06-03 | 2019-10-22 | 华东电力试验研究院有限公司 | 全能型乡镇供电所一体化业务融合技术 |
WO2020000875A1 (zh) * | 2018-06-28 | 2020-01-02 | 联想(北京)有限公司 | 一种数据处理方法及电子设备 |
CN113111893A (zh) * | 2020-01-09 | 2021-07-13 | 中国移动通信集团四川有限公司 | 一种数据的处理方法、系统以及电子设备 |
WO2022041265A1 (zh) * | 2020-08-31 | 2022-03-03 | 苏州大成电子科技有限公司 | 一种面向电动汽车电力用户大数据服务方法 |
-
2016
- 2016-07-25 CN CN201610590781.3A patent/CN106022976A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000875A1 (zh) * | 2018-06-28 | 2020-01-02 | 联想(北京)有限公司 | 一种数据处理方法及电子设备 |
CN109766907A (zh) * | 2018-11-23 | 2019-05-17 | 国网江苏省电力有限公司电力科学研究院 | 一种支持模式周期自发现的行业用电模式提取方法 |
CN110363382A (zh) * | 2019-06-03 | 2019-10-22 | 华东电力试验研究院有限公司 | 全能型乡镇供电所一体化业务融合技术 |
CN113111893A (zh) * | 2020-01-09 | 2021-07-13 | 中国移动通信集团四川有限公司 | 一种数据的处理方法、系统以及电子设备 |
WO2022041265A1 (zh) * | 2020-08-31 | 2022-03-03 | 苏州大成电子科技有限公司 | 一种面向电动汽车电力用户大数据服务方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022976A (zh) | 一种面向需求侧的电力用户分类方法及系统 | |
CN109713671B (zh) | 配电台区运维方法、系统、存储介质及电子设备 | |
CN103150600A (zh) | 一种电网安全分析系统 | |
CN107330056A (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
Shayesteh et al. | ATC-based system reduction for planning power systems with correlated wind and loads | |
CN109740872A (zh) | 一种台区运行状态的诊断方法及系统 | |
CN104077651B (zh) | 电网检修计划优化方法 | |
CN110276511A (zh) | 一种基于电量与线损关联性的线变关系异常判别方法 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN111509728B (zh) | 一种基于多源异构虚拟负荷的优化调控方法及系统 | |
CN103310296A (zh) | 一种基于扰动评估和趋势分析的操作票安全校核方法 | |
CN112288303A (zh) | 确定线损率的方式、装置 | |
CN106229978A (zh) | 台区低电压问题的预判方法及系统 | |
CN111932072A (zh) | 一种基于os2架构的电网综合管控方法及系统 | |
EP2795545A1 (en) | System for distributing electrical energy over a cluster of electrical devices, method for distributing electrical energy over a cluster of electrical devices of such a system and controller for use in such a system | |
CN117610214A (zh) | 一种基于动态地理特征的配电网接线智能规划方法 | |
CN110739719A (zh) | 柔性多状态开关优化接入的两步式决策方法 | |
CN107732902B (zh) | 配电网经济运行监控及评价方法 | |
Kumar et al. | An optimized framework of the integrated renewable energy and power quality model for the smart grid | |
CN113112136A (zh) | 一种配电网可靠性综合评估方法及系统 | |
Gehbauer et al. | Photovoltaic and behind-the-meter battery storage: advanced smart inverter controls and field demonstration | |
CN111965442A (zh) | 一种数字孪生环境下的能源互联网故障诊断方法及装置 | |
CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
CN113162056B (zh) | 特高压电网自动电压控制方法和装置 | |
CN115441440A (zh) | 一种基于分布式新能源聚合的配电网弹性提升方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |
|
RJ01 | Rejection of invention patent application after publication |