CN111160475A - 基于网格重拆分小波聚类的柔性负荷聚类方法和装置 - Google Patents
基于网格重拆分小波聚类的柔性负荷聚类方法和装置 Download PDFInfo
- Publication number
- CN111160475A CN111160475A CN201911402868.3A CN201911402868A CN111160475A CN 111160475 A CN111160475 A CN 111160475A CN 201911402868 A CN201911402868 A CN 201911402868A CN 111160475 A CN111160475 A CN 111160475A
- Authority
- CN
- China
- Prior art keywords
- grid
- load data
- load
- clustering
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于网格重拆分小波聚类的柔性负荷聚类方法和装置,对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分,对存储于重拆分网格下的负荷数据应用小波变换,形成新的负荷数据空间;在新的负荷数据空间中寻找连通单元并进行小波聚类,得到聚类单元,为每个聚类单元添加相应的柔性负荷聚类标签,将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据,输出柔性负荷聚类集合。本发明能够对各类的柔性负荷根据其负荷特征进行聚类,将具有相似特征属性的柔性负荷对象聚合,从而为大量柔性负荷的集中控制、调度提供参考。
Description
技术领域
本发明涉及柔性负荷聚类的技术领域,特别是涉及一种基于网格重拆分小波聚类的柔性负荷聚类方法和装置。
背景技术
电力高峰负荷持续增长以及间歇式能源的迅猛发展增加了电网调度运行的难度,对电力系统调节能力提出新的重大挑战。近年来,具有与电网双向互动能力的电动汽车、储能及部分能够根据激励或者电价调节的传统负荷逐渐出现,这类可实现用电量在指定区间内变化或在不同时段间转移的柔性负荷能够削峰填谷、平衡间歇式能源波动和提供辅助服务,极大地丰富了电网调度运行的调节手段。
面对群体日益庞大的柔性负荷对象,在实施需求响应措施前没有必要也不可能对每个用户都一一建立模型,而是针对每一类具有相似特征属性的柔性负荷群体进行建模研究,进而对各类别的柔性负荷对象进行需求响应调度。能实现此类要求的相关技术有分类技术和聚类技术两种。但是分类技术是在已知对象类别的前提下将样本进行分类。由于柔性负荷的组成较为复杂多变,用户种类繁多,因此分类技术并不适用于柔性负荷特性区分。而满足要求的聚类技术在柔性负荷聚类技术方面并不多见。
聚类分析法是一种新兴的多元统计技术,它将具有相似属性的事物聚为一类,使得同一类的事物具有高度的相似性。常用的聚类技术很多,如K-means等。但是它们并不适用于特征多样、数据庞大的柔性负荷聚类的要求。小波聚类技术具有时间复杂度低,无需事先指定族类,可快速处理规模化数据,能应对孤立点等优点,小波聚类技术特别适合柔性负荷快速性、容错性好和复杂度低的聚类要求。但是在小时的时间分辨率范围内电力负荷具有较强的随机性,存在大量负荷数据点分布在数据集的边缘,所以柔性负荷数据中含有较多随机性强、聚类关系不明显的边缘数据。而小波聚类的均匀网格聚类思想容易忽略数据集边缘的数据,直接将其判为噪点,进而极大地影响聚类的准确性。
发明内容
发明目的:为了克服上述现有技术的不足,本发明提供了一种基于网格重拆分小波聚类的柔性负荷聚类方法和装置,能够在对柔性负荷聚类时准确识别数据集边缘的有效数据,对柔性负荷实现准确聚类。
技术方案:为实现本发明的目的,本发明提供一种基于网格重拆分小波聚类的柔性负荷聚类方法,包括步骤:
对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分,对存储于重拆分网格下的负荷数据应用小波变换,形成新的负荷数据空间;
在新的负荷数据空间中寻找连通单元并进行小波聚类,得到聚类单元,为每个聚类单元添加相应的柔性负荷聚类标签,将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据,输出柔性负荷聚类集合。
进一步的,原始负荷数据空间构造和网格拆分包括:
将标准化后负荷数据集X中的每个负荷数据对象映射至负荷数据空间中;确定负荷数据集X中每一维数值的区间范围[min(xi),max(xi)],i=1,2,3,...,n,n为柔性负荷聚类对象的数量,xi为第i维标准化后的负荷数据,确定每维数据划分的单元数为pu1≤pu≤m,1≤u≤n,将每维负荷数据划分为pu个单元,共形成p1+p2+p3+...pn个负荷数据网格单元;
划分的每个单元记为cil,l=1,...,pu,有cil=[gil,hil),gil、hil∈[min(xi),max(xi)];gil,hil分别为单元格cil的下限和上限。
进一步的,,标准化负荷数据集X获取过程为:
获取待识别柔性负荷对象负荷数据,形成原始用户负荷数据集X',原始用户数据集X'为柔性负荷对象的小时用电负荷数据,X'表示为X'={x'1,x'2,x'3,...,x'n},x'i表示原始第i个负荷聚类对象,x'i=<x'i1,x'i2,...,x'ij,...,x'im>,x'ij为原始第i个负荷聚类对象第j个负荷数据,m为第i个负荷聚类对象负荷数据的数量;
对原始用户负荷数据集X'进行预处理,得到标准化负荷数据集X。
进一步的,对原始用户负荷数据集X'进行预处理,过程包括:
计算负荷数据的平均绝对偏差S:
其中X'={x'1,x'2,x'3,...,x'n}是原始数据,mx为X'的平均值;
其中,xi为第i个负荷聚类对象标准化后的负荷数据,将标准化后负荷数据代替原始负荷数据集X'中的原始负荷数据,形成标准化后负荷数据集X,X={x1,x2,x3,...,xn},xi=<xi1,xi2,...,xij,...,xim>,xij表示准化后第i个负荷聚类对象第j个柔性负荷数据。
进一步的,边缘负荷数据网格重拆分,包括步骤:
比较每个负荷数据网格的负荷数据密度,当相邻网格负荷数据密度值由非0值跳变为0时,则判定该密度值非0的网格为边缘负荷数据网格,并将其标记为网格重拆分对象;
对边缘负荷数据网格按照设定倍数Z的网格密度进行重拆分,细化网格尺寸为原先的Z分之一,形成新的负荷数据网格布局。
进一步的,在新的负荷数据空间中寻找连通单元,过程包括:筛选显著网格单元,确认相连网格单元;
所述筛选显著网格单元包括步骤:设变换后的新的负荷数据空间单元为til,与该网格单元相关联的密度值为dil,定义负荷数据网格单元筛选函数f为:
判定负荷数据网格为显著网格单元的单元筛选函数值为1,为参与聚类的网格单元;判定为非显著网格单元的单元筛选函数值为0,为不参与聚类的网格单元;MinPts为密度阀值;
判别两个网格单元是否相连采用数据所在网格单元代码相减的方式进行判别。
进一步的,判别两个网格单元是否相连采用数据所在网格单元代码相减的方式进行判别,步骤包括:
记B为小波变换后每维负荷数据的数量,hb,1≤b≤B-1为第b个数据所在网格单元的代码,网格单元的代码按照将每维划分单元的区间范围值从小到大排序后,以1为步长值从小到大依次递增,hd,b+1≤d≤B为第d个数据所在网格单元的代码,A=[1 1 …1]′(B-b)×1是随着b值的改变而改变的(B-b)×1阶元素为1的矩阵,则hb与hd存在如下运算关系:
Bb=(A·Hd)′-A·Hb
Hd=[hb+1 hb+2 … hB],Hb=[hb,1 hb,2 … hb,n],
其中,hb,n为第n维第b个数据所在网格单元的代码,hB,n为第n维第B个数据所在网格单元的代码,有集合Rj={h(b,d),1,h(b,d),2,h(b,d),3,...,h(b,d),n},其中h(b,d),n为第n维第b、d个数据所在网格单元代码的差值,则有:
若集合Rj元素全为0,判为hb与hd所在单元为同一单元;
若集合Rj元素同时包括0或±1,判为hb与hd所在单元为相连单元;
若集合Rj元素存在除0或±1以外的值,判为hb与hd所在单元为不相连单元。
进一步的,小波变换中小波基函数选择Daubechies小波。
一种柔性负荷聚类装置,包括:
新的负荷数据空间构造模块,用于对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分,对存储于重拆分网格下的负荷数据应用小波变换,形成新的负荷数据空间;
柔性负荷聚类模块,用于在新的负荷数据空间中寻找连通单元并进行小波聚类,得到聚类单元,为每个聚类单元添加相应的柔性负荷聚类标签,将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据,输出柔性负荷聚类集合。
进一步的,边缘负荷数据网格重拆分,包括步骤:
比较每个负荷数据网格的负荷数据密度,当相邻网格负荷数据密度值由非0值跳变为0时,则判定该密度值非0的网格为边缘负荷数据网格,并将其标记为网格重拆分对象;
对边缘负荷数据网格按照设定倍数Z的网格密度进行重拆分,细化网格尺寸为原先的Z分之一,形成新的负荷数据网格布局。
本发明的有益效果是:
本发明基于网格重拆分,可以解决网格边界上数据因数量较少而被误判为噪声的问题,能够在对柔性负荷聚类时准确识别数据集边缘的有效数据,使得不均匀分布数据可以被准确、全面的聚类,提高聚类质量。
无指导聚类,即无需事先拟定大概类别,自动区分对象的簇类,避免拟定类别对聚类效果形成差异化影响;
有效避免干扰数据。网格重拆分的小波聚类可以通过低流通滤波器来自动移除干扰数据,从而提高聚类的精度,避免干扰数据对聚类效果的影响;
多分辨率调整。网格重拆分小波聚类的分辨率是可控的,小波变换技术在特征空间上进行不同层次的分解可以获得不同分辨率的聚类结果;
快速高效性。网格重拆分的小波聚类可以轻松处理高维大规模的数据,并且其具有的并行计算功能使得即使是使百万级数据其运算时间也可以快速完成;
对特征向量的输入顺序无感。同数据不同的输入顺序并不会对网格重拆分的小波聚类差生影响,而常用聚类方法对数据的输入顺序比较敏感,网格重拆分的小波聚类则不存在对数据输入顺序敏感的问题;
附图说明
图1为本发明具体实施方式中的一种聚类方法流程图;
图2为本发明具体实施方式中的重拆分网格示意图,其中以Z=4为例;
图3为本发明具体实施方式中的connection-4的网格单元相连定义。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1:
如图1所示,一种基于网格重拆分小波聚类的柔性负荷聚类方法,包括步骤:
步骤1,获取待识别柔性负荷对象关于用电状况的负荷数据,形成原始用户负荷数据集X',并对所述负荷数据进行预处理;
原始用户数据集X'为柔性负荷对象的小时用电负荷数据,数据分辨率为1小时、时间跨度为周-月的数据集(指时间跨度范围在周和月之间的数量范围内即可)。具体的,X'由n维特征向量组成,表示n个原始柔性负荷聚类对象(如用户1,用户2,…,用户n),可表示为X'={x'1,x'2,x'3,...,x'n},x'i(1≤i≤n)表示原始第i个负荷聚类对象,n为柔性负荷聚类对象的数量。其中每个柔性负荷聚类对象x'i包括m组柔性负荷数据,可表示为x'i=<x'i1,x'i2,...,x'ij,...,x'im>,x'ij为原始第i个负荷聚类对象第j个负荷数据,m为第i个负荷聚类对象负荷数据的数量。则X'又可表示为X'=X'nm={x'ij},其中1≤j≤m,1≤i≤n,x'ij表示原始第i个负荷聚类对象第j个柔性负荷数据;
负荷数据预处理的目的是将数据无量纲化,避免数据单位对模型的影响,处理方式为对负荷数据进行标准化:
1)计算负荷数据的平均绝对偏差S:
其中X'={x'1,x'2,x'3,...,x'n}是原始数据,mx为X'的平均值;
其中,xi为第i个负荷聚类对象标准化后的负荷数据,将标准化后负荷数据代替原始负荷数据集X'中的原始负荷数据,形成标准化后负荷数据集X,X={x1,x2,x3,...,xn},xi=<xi1,xi2,...,xij,...,xim>,xij表示准化后第i个负荷聚类对象第j个柔性负荷数据;。
步骤2,构造负荷数据空间,将准化后负荷数据集X中的每个负荷数据对象映射至负荷数据空间中,并对负荷数据空间进行网格划分。
构造负荷数据空间前需确定每一维数值的区间范围[min(xi),max(xi)],xi为第i维标准化后的负荷数据,进而确定每维数据划分的单元数为pu(1≤pu≤m,1≤u≤n),实现将每维数据划分为pu个单元,共形成p1+p2+p3+...pn个负荷数据网格单元;
划分的每个单元记为cil,l=1,...,pu,有cil=[gil,hil),gil、hil∈[min(xi),max(xi)]。gil,hil分别为单元格cil的下限和上限,如果对于任意xij总存在gil≤xij≤hil,则第i维的单元集合包含xi=<xi1,xi2,xi3,...,xim>的所有对象。
步骤3,在实现基于负荷数据划分的网格中,对边缘负荷数据网格进行识别,并对边缘负荷数据网格按照设定倍数Z的密度进行重拆分,形成网格重拆分的非均匀网格格式。
判定边缘负荷数据网格的方法:比较每个网格的负荷数据密度,其中负荷数据密度指单个网格中数据的数量。当相邻网格负荷数据密度值由非0值跳变为0时,则判定该密度值非0的网格为边缘负荷数据网格,并将之标记为网格重拆分对象。
对边缘负荷数据网格按照设定倍数Z的(如四倍)网格密度(网格密度为网格的数量)进行重拆分,如图2所示,即对负荷数据网格进行均匀的二次拆分,细化网格尺寸为原先的四分之一,使该区域网格数量为原先网格数量的四倍,形成新的负荷数据网格布局。
步骤4,对存储于重拆分网格下的负荷数据应用小波变换,形成新的负荷数据空间,原网格单元结构保持不变;
考虑到柔性负荷用电负荷数据是非负实数,无幅值相角等分量信息,所以小波变换中的小波基函数选择Daubechies小波,可在基于网格重拆分小波聚类的柔性负荷聚类中实现高精度、快速准确的效果。
小波变换是一种信号处理技术,它通过某种过滤器给出信号在某一时刻的即时频率内容。
步骤5,在新的负荷数据空间的单元中寻找连通单元,连通单元是小波聚类的对象,非连通单元将不参与聚类。在对连通单元进行小波聚类后,为每个聚类后的单元添加相应的柔性负荷聚类标签,同时构造原始负荷数据空间数据查找表格;
连通单元指在新的负荷数据空间中特征相似的网格单元,寻找连通单元包括筛选显著网格单元、确认相连网格单元两个步骤。
连通单元的寻找需事先确定网格单元的密度阈值MinPts,以此用来判断负荷数据网格单元是否为显著网格单元,并且密度阀值MinPts需根据聚类效果以10%为步长在±50%范围内适当增加或减少,直至达到较好的柔性负荷对象聚类效果。
判断负荷数据网格单元是否为显著网格单元,具体过程为:
已知密度阀值MinPts,设变换后的新的负荷数据空间单元为til,与该网格单元相关联的密度值为dil,定义负荷数据网格单元筛选函数f为:
即判定负荷数据网格为显著网格单元的单元筛选函数值为1,即为参与聚类的网格单元;判定为非显著网格单元的单元筛选函数值为0,非显著网格单元多由噪声数据组成,不参与聚类。
小波聚类会将相连的显著网格识别为一类,所以需要给出相连网格的定义。负荷数据网格单元相连的定义采用4相连定义规则,如图3所示,即认为与图中基准单元边界直接相邻的单元定义为基准单元的相连网格,其它单元为非相连网格,基准单元格为中间的单元格。
判别两个网格单元是否相连的方法采用数据所在网格单元代码相减的方式进行判别:
记B为小波变换后负荷数据的数量,hb(1≤b≤B-1)为第b个数据所在网格单元的代码,网格单元的代码按照将每维划分单元的区间范围值从小到大排序后,以1为步长值从小到大依次递增,hd(b+1≤d≤B)为第d个数据所在网格单元的代码,A=[1 1 … 1]′(B-b)×1是随着b值的改变而改变的(B-b)×1阶元素为1的矩阵,则hb与hd存在如下运算关系,即:
Bb=(A·Hd)′-A·Hb
其中Hd=[hb+1 hb+2 … hB],Hb=[hb,1 hb,2 ... hb,n],
其中,hb,n为第n维第b个数据所在网格单元的代码,hB,n为第n维第B个(最后一个)数据所在网格单元的代码,其他符号含义按照下标类似,有集合Rj={h(b,d),1,h(b,d),2,h(b,d),3,...,h(b,d),n},其中h(b,d),n为第n维第b、d个数据所在网格单元代码的差值,则有:
若集合Rj元素全为0,可判为hb与hd所在单元为同一单元;
若集合Rj元素同时包含0或±1,可判为hb与hd所在单元为相连单元;
若集合Rj元素存在除0或±1以外的值,可判为hb与hd所在单元为不相连单元。
为每个聚类单元添加相应的柔性负荷聚类标签,具体为:
在对网格所属类别进行标签后,需要构造原始负荷数据空间数据查找表格,对新的负荷数据空间中的每个数据给出原始负荷数据空间中数据的位置,从而建立原始负荷数据空间和新的负荷数据空间中数据的映射关系,以将新的负荷数据空间中数据的类标签传递给原始负荷数据空间中的数据,获得标准化后负荷数据的类别属性。
步骤6,将新的负荷数据空间中实现柔性负荷聚类的负荷数据映射回原始负荷数据空间,通过原始负荷数据空间数据查找表格,输出柔性负荷聚类集合。即:将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据,输出柔性负荷聚类集合。
实施例2:
一种基于网格重拆分小波聚类的柔性负荷聚类装置,包括:
新的负荷数据空间构造模块,用于对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分,对存储于重拆分网格下的负荷数据应用小波变换,形成新的负荷数据空间;
柔性负荷聚类模块,用于在新的负荷数据空间中寻找连通单元并进行小波聚类,得到聚类单元,为每个聚类单元添加相应的柔性负荷聚类标签,将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据,输出柔性负荷聚类集合。
边缘负荷数据网格重拆分,包括步骤:
比较每个负荷数据网格的负荷数据密度,当相邻网格负荷数据密度值由非0值跳变为0时,则判定该密度值非0的网格为边缘负荷数据网格,并将其标记为网格重拆分对象;
对边缘负荷数据网格按照设定倍数Z的网格密度进行重拆分,细化网格尺寸为原先的Z分之一,形成新的负荷数据网格布局。
在新的负荷数据空间中寻找连通单元,过程包括:筛选显著网格单元,确认相连网格单元;
所述筛选显著网格单元包括步骤:设变换后的新的负荷数据空间单元为til,与该网格单元相关联的密度值为dil,定义负荷数据网格单元筛选函数f为:
判定负荷数据网格为显著网格单元的单元筛选函数值为1,为参与聚类的网格单元;判定为非显著网格单元的单元筛选函数值为0,为不参与聚类的网格单元;MinPts为密度阀值;
判别两个网格单元是否相连采用数据所在网格单元代码相减的方式进行判别。
本发明能够对各类的柔性负荷根据其负荷特征进行聚类,将具有相似特征属性的柔性负荷对象聚合,从而为大量柔性负荷的集中控制、调度提供参考;在柔性负荷聚类中能够处理大规模数据,有效避免干扰点,具有时间复杂度低、无需事先指定簇类的特点,可实现快速、准确、高效的负荷数据聚类。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种柔性负荷聚类方法,其特征在于,包括步骤:
对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分,对存储于重拆分网格下的负荷数据应用小波变换,形成新的负荷数据空间;
在新的负荷数据空间中寻找连通单元并进行小波聚类,得到聚类单元,为每个聚类单元添加相应的柔性负荷聚类标签,将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据,输出柔性负荷聚类集合。
2.根据权利要求1所述的柔性负荷聚类方法,其特征在于,原始负荷数据空间构造和网格拆分包括:
将标准化后负荷数据集X中的每个负荷数据对象映射至负荷数据空间中;确定负荷数据集X中每一维数值的区间范围[min(xi),max(xi)],i=1,2,3,...,n,n为柔性负荷聚类对象的数量,xi为第i维标准化后的负荷数据,确定每维数据划分的单元数为pu1≤pu≤m,1≤u≤n,将每维负荷数据划分为pu个单元,共形成p1+p2+p3+...pn个负荷数据网格单元;
划分的每个单元记为cil,l=1,...,pu,有cil=[gil,hil),gil、hil∈[min(xi),max(xi)];gil,hil分别为单元格cil的下限和上限。
3.根据权利要求2所述的柔性负荷聚类方法,其特征在于,标准化负荷数据集X获取过程为:
获取待识别柔性负荷对象负荷数据,形成原始用户负荷数据集X',原始用户数据集X'为柔性负荷对象的小时用电负荷数据,X'表示为X'={x'1,x'2,x'3,...,x'n},x'i表示原始第i个负荷聚类对象,x'i=<x'i1,x'i2,...,x'ij,...,x'im>,x'ij为原始第i个负荷聚类对象第j个负荷数据,m为第i个负荷聚类对象负荷数据的数量;
对原始用户负荷数据集X'进行预处理,得到标准化负荷数据集X。
5.根据权利要求1所述的一种柔性负荷聚类方法,其特征在于,边缘负荷数据网格重拆分,包括步骤:
比较每个负荷数据网格的负荷数据密度,当相邻网格负荷数据密度值由非0值跳变为0时,则判定该密度值非0的网格为边缘负荷数据网格,并将其标记为网格重拆分对象;
对边缘负荷数据网格按照设定倍数Z的网格密度进行重拆分,细化网格尺寸为原先的Z分之一,形成新的负荷数据网格布局。
7.根据权利要求6所述的柔性负荷聚类方法,其特征在于,判别两个网格单元是否相连采用数据所在网格单元代码相减的方式进行判别,步骤包括:
记B为小波变换后每维负荷数据的数量,hb,1≤b≤B-1为第b个数据所在网格单元的代码,网格单元的代码按照将每维划分单元的区间范围值从小到大排序后,以1为步长值从小到大依次递增,hd,b+1≤d≤B为第d个数据所在网格单元的代码,A=[1 1…1]′(B-b)×1是随着b值的改变而改变的(B-b)×1阶元素为1的矩阵,则hb与hd存在如下运算关系:
Bb=(A·Hd)′-A·Hb
Hd=[hb+1 hb+2…hB],Hb=[hb,1 hb,2…hb,n],
其中,hb,n为第n维第b个数据所在网格单元的代码,hB,n为第n维第B个数据所在网格单元的代码,有集合Rj={h(b,d),1,h(b,d),2,h(b,d),3,...,h(b,d),n},其中h(b,d),n为第n维第b、d个数据所在网格单元代码的差值,则有:
若集合Rj元素全为0,判为hb与hd所在单元为同一单元;
若集合Rj元素同时包括0或±1,判为hb与hd所在单元为相连单元;
若集合Rj元素存在除0或±1以外的值,判为hb与hd所在单元为不相连单元。
8.根据权利要求1所述的柔性负荷聚类方法,其特征在于,小波变换中小波基函数选择Daubechies小波。
9.一种柔性负荷聚类装置,其特征在于,包括:
新的负荷数据空间构造模块,用于对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分,对存储于重拆分网格下的负荷数据应用小波变换,形成新的负荷数据空间;
柔性负荷聚类模块,用于在新的负荷数据空间中寻找连通单元并进行小波聚类,得到聚类单元,为每个聚类单元添加相应的柔性负荷聚类标签,将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据,输出柔性负荷聚类集合。
10.根据权利要求9所述的柔性负荷聚类装置,其特征在于,边缘负荷数据网格重拆分,包括步骤:
比较每个负荷数据网格的负荷数据密度,当相邻网格负荷数据密度值由非0值跳变为0时,则判定该密度值非0的网格为边缘负荷数据网格,并将其标记为网格重拆分对象;
对边缘负荷数据网格按照设定倍数Z的网格密度进行重拆分,细化网格尺寸为原先的Z分之一,形成新的负荷数据网格布局。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911402868.3A CN111160475B (zh) | 2019-12-31 | 2019-12-31 | 基于网格重拆分小波聚类的柔性负荷聚类方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911402868.3A CN111160475B (zh) | 2019-12-31 | 2019-12-31 | 基于网格重拆分小波聚类的柔性负荷聚类方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160475A true CN111160475A (zh) | 2020-05-15 |
CN111160475B CN111160475B (zh) | 2022-10-04 |
Family
ID=70559514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911402868.3A Active CN111160475B (zh) | 2019-12-31 | 2019-12-31 | 基于网格重拆分小波聚类的柔性负荷聚类方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160475B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108074004A (zh) * | 2016-11-12 | 2018-05-25 | 华北电力大学(保定) | 一种基于网格法的地理信息系统短期负荷预测方法 |
CN108805213A (zh) * | 2018-06-15 | 2018-11-13 | 山东大学 | 计及小波熵降维的电力负荷曲线双层谱聚类方法 |
-
2019
- 2019-12-31 CN CN201911402868.3A patent/CN111160475B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108074004A (zh) * | 2016-11-12 | 2018-05-25 | 华北电力大学(保定) | 一种基于网格法的地理信息系统短期负荷预测方法 |
CN108805213A (zh) * | 2018-06-15 | 2018-11-13 | 山东大学 | 计及小波熵降维的电力负荷曲线双层谱聚类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111160475B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113191385B (zh) | 一种基于预训练标注数据不可知的图像分类自动标注方法 | |
CN111008504B (zh) | 一种基于气象模式识别的风电功率预测误差建模方法 | |
CN108446689A (zh) | 一种人脸识别方法 | |
CN111008726B (zh) | 一种电力负荷预测中类图片转换方法 | |
CN102324038A (zh) | 一种基于数字图像的植物种类识别方法 | |
CN114898327B (zh) | 一种基于轻量化深度学习网络的车辆检测方法 | |
CN109993225A (zh) | 一种基于无监督学习的空域复杂度分类方法及装置 | |
CN113484837B (zh) | 一种面向电磁大数据的未知雷达辐射源智能识别方法 | |
CN111932423B (zh) | 一种区域产业集群监视平台化方法及其应用 | |
CN111178196B (zh) | 一种细胞分类的方法、装置及设备 | |
CN111666657B (zh) | 一种平面交叉口噪声监测布点方法 | |
CN114066073A (zh) | 电网负荷预测方法 | |
CN101408943A (zh) | 生成用于人脸检测的训练集的方法 | |
CN109947948B (zh) | 一种基于张量的知识图谱表示学习方法及系统 | |
CN114240687A (zh) | 一种适用于综合能源系统的能源托管效率分析方法 | |
CN107305640A (zh) | 一种不均衡数据分类的方法 | |
CN111160475B (zh) | 基于网格重拆分小波聚类的柔性负荷聚类方法和装置 | |
CN111324790A (zh) | 基于支持向量机分类的负荷类型识别方法 | |
CN108021935B (zh) | 一种基于大数据技术的维度约简方法及装置 | |
CN115879046A (zh) | 基于改进特征选择和分层模型的物联网异常数据检测方法 | |
CN109241146A (zh) | 集群环境下的学生智助方法和系统 | |
CN113792794A (zh) | 一种基于膜算法的特征选择方法 | |
CN113191569A (zh) | 一种基于大数据的企业管理方法及系统 | |
CN110942087A (zh) | 一种基于分离求解的矩阵型图像数据分类方法 | |
CN109636087B (zh) | 一种需求响应资源动态分群方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |