一种自动寻优型电力负荷分类方法

摘要

本发明涉及一种自动寻优型电力负荷分类方法，本发明采用K‑means均值聚类算法对电力负荷进行分类，并计算每个分类的聚类中心值曲线，计算聚类中心值曲线的平均距离MA，以及每个分类的各负荷曲线到聚类中心值曲线的距离MB，并以这两者的比值K_n＝MB/MA作为最优分类结果比较变量z；令n＝n+1，重复上述过程得到更新后的比值K_n，将更新后的比值K_n与z进行比较，若K_n<z，用当前的K_n值替换z，在K_n>z时不做替换，直至分类结果中含有空的数据或相邻两次分类结果中的K_n的差值与K_n的比值小于设定的收敛条件，并以此时的变量z对应的分类作为最终的最优分类。本发明大大减少了负荷分类的人工寻优判别时间，同时减少了人工判别的误差与不准确度。

主权项

一种自动寻优型电力负荷分类方法，其特征在于，该分类方法的步骤如下：1)获取典型日负荷曲线数据，并对其进行归一化处理；2)令电力负荷分类数n＝2；3)采用K‑means均值聚类算法对电力负荷进行分类，并计算每个分类的聚类中心值曲线，计算聚类中心值曲线的平均距离MA，以及每个分类的各负荷曲线到聚类中心值曲线的距离MB，并以这两者的比值K_n＝MB/MA作为最优分类结果比较变量z；4)令n＝n+1，重复步骤3)得到更新后的比值K_n，将更新后的比值K_n与z进行比较，若K_n<z，用当前的K_n值替换z，在K_n>z时不做替换，直至分类结果中含有空的数据或相邻两次分类结果中的K_n的差值ΔK_n＝|K_n+1‑K_n|与K_n的比值小于设定的收敛条件ΔK_n/K_n＜ε_set，并以此时的变量z对应的分类作为最终的最优分类。