MATLAB编制K-means算法程序并进行仿真分析.docVIP

摘要 基于电力用户负荷曲线进行聚类分析，是获得典型负荷分布和按负荷特性对用户分类的重要手段，对于负荷预测、负荷控制、用电异常检测甚至电价目录制定和开发营销策略等都有理论和实际意义。目前对负荷曲线聚类的方法有很多，各有优点与不足。本文首先对常用的聚类算法K-means和层次聚类进行了分析研究，最终用MATLAB编制K-means算法程序并进行仿真分析，结果表明，此方法效果良好。 关键字：聚类算法；K-means算法；负荷曲线 Abstract Cluster analysis based on power user load curve is obtained by a typical load distribution and load characteristics of the user classification important means for load forecasting, load control, anomaly detection and even electricity tariff directory developed and developing marketing strategies have theoretical and practical significance. There are many, each with advantages and disadvantages of the load curve clustering method. Firstly, the commonly used K-means clustering algorithm and hierarchical clustering analysis carried out, the final preparation of K-means algorithm and procedures used matlab simulation results show that this method works well. Keywords: clustering algorithm; K-means algorithm; load curve 1.引言 近些年来，智能电网早已成为全球的热门话题。 美国在 2003 年6月发布的“Grid2030——电力下一个100年的国家设想” 应用程序的分布式的报告中提到生成智能化、自动化分发网络结构和计划在将来把它变成现实。在中国的十一五规划，国内也将在智能电网的建设投入了大量资金。智能电网，包括智能电网与智能配电网络，但主要是指智能配电网。随着时间推移，配电网建设完成之后，电力负荷很难免会出现一些与设计时的偏差，比如用户负荷分布不均衡，在一些地区负荷增长过快（尤其是高峰负荷），对电网安全造成了严重的威胁，而另一些地区却因负荷太小而引起电气设备利用率太低，导致经济性差等。于是，对于电网的经济安全可靠运行来说如何获取负荷的详情至关重要。智能配电网的发展到如今，更多的传感器被应用到了电力网络中，用来实时获取电网数据，经筛选加工后的这些数据成为了支持电网维护、改造、运行的信息，为电网的经济、安全、可靠运行打下了坚实的基础。目前所有电力用户的分类都是先由用户自己报装类型然后经由电力部门的批准审核，不能根据实际负荷曲线分类，其主要过程为：用电客户提出申请—业务的受理—前往现场勘查—计量录入数据—电费的审核—信息归档等等环节。但是，这些步骤忽略了一个重要细节，那就是没有人对归档后的电价执行事中、事后管理，同时也没有人对电价进行日常审核、监督、分析。所以，真实负荷信息的掌控是很有限的，因此这会导致偏离实际的负荷。国家在《电价改革方案》中所提出过的“合理成本、合理赢利、公平负担”的定价原则。于是，想要达到公平，必须根据实际负荷曲线分类才有意义。在电力市场，从经济公平的角度和负荷控制实现电网安全的角度来看，都应该是按照用户负荷实际曲线分别采取针对性措施，对用户进行分类，而其中最为基础工作就是对负荷曲线进行聚类。 基于电力用户负荷曲线的聚类分析，是获得典型负荷分布的重要手段，对按负荷特性对用户分类有重要帮助，对于负荷控制、负荷预测、用电异常检测甚至电价目录制定和开发营销策略等都有实际意义。 负荷曲线是负荷分析的数据来源，是用户电能消费行为的直观表示。如果用户具有相似的消费模式，则他们也具有相似的负荷分布形状。为了方便企业的管理和制定有针对性的运营策略，可以根据用户负荷分布的相似性来对用户加以归类。而聚类分析在负荷分析中占有主导地位，是负荷分析的基础。本文介绍了聚类分析的一些方