基于聚类分析的客户用电模式智能识别方法.pdfVIP

第42卷 第 19期 电力 系统保护 与控制 VO1．42NO．19 2014年 10月 1日 PowerSystem ProtectionandControl Oct．1．2014 基于聚类分析的客户用电模式智能识别方法 彭显刚 ，赖家文 ，陈 奕 。 (1．广东工业大学 自动化学院，广东 广州 510006；2．广东电网公司湛江供电局，广东 湛江 524005) 摘要：结合 k-means、k-medoids、SOM以及FCM等聚类算法，构建了电力大客户典型用电模式的聚类分析模型，提出了一种 评估聚类效果的新方法。首先通过分析电力客户用电指标数据及其特点，提出采用高斯滤波器对含 “噪声”曲线数据进行平 滑处理来获取客户用电数据。然后提出了聚类平均半径、平均直径和平均最小间距等 3个评价指标，并以此为基础设计出一 种评估聚类得分的新方法。最后使用聚类分析模型对某地区电力大客户 日用电量曲线进行聚类分析，实现了地区典型用电模 式的自动识别功能。实际算例分析结果表明，该评估方法物理概念清晰、简便、实用。 关键词：用电模式分析；高斯核函数平滑；聚类效果评估；聚类分析 Applicationofclusteringanalysisintypicalpowerconsumptionprofileanalysis PENG Xian—gang ，LAIJia—wen ，CHENYi (1．SchoolofAutomation，GuangdongUniversityofTechnology，Guangzhou510006，China；2．ZhanjiangPowerSupplyBureauof GuangdongPowerGridCorporation，Zhanjiang524005，China) Abstract：Inordertogainthelargepowercustomers’ytpicalpowerconsumptionprofilesinapowersupplyarea，anewclustering evaluationmethodispresentedandaclusteringanalysisframeworkbasedonk-means，k-medoids，self-organizedmaps(SOM)and FuzzyC—Means(FCM)isbuilt．ItanalyzesthecharacteristicoftheelectriciytconsumptiondataandusestheGaussiansmoothing methodtoreducethenoiseinthedata．Clustersaverageradius，clustersaveragediameterandclustersaverageminimum distanceare proposedandusedtodesigntheclusteringevaluationmethod．Thisframeworkisutilizedtoanalyzethedailyelectricityconsumption curvesofthewholecustomersinacertainarea，whichCna automaticallyrecognizethenumberofclusters．Theresultshowsthis methodologyisclearinphysicalconception，simpleandpractica1． ThisworkissupportedbyNaturalScienceFoundationofGunagdongProvince(No．10l51009001000045)． Keywords：powerconsumptionprofilena alysis；Gaussiansmoothing；clusteringevaluation；clusteringanalysis 中图分类号： TM714 文献标识码：A 文章编号： 1674-3415(2014)19．0068．06