CN118364316B 一种考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法及系统 （浙江大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118364316B(45)授权公告日2025.07.08

(21)申请号202410334298.3

(22)申请日2024.03.22

(65)同一申请的已公布的文献号申请公布号CN118364316A

(43)申请公布日2024.07.19

(73)专利权人浙江大学

地址310058浙江省杭州市西湖区余杭塘

路866号

GO6F18/10(2023.01)

H02J3/00(2006.01)

(56)对比文件

US2012054184A1,2012.03.01US2021056647A1,2021.02.25审查员王小龙

(72)发明人许诺林振智谭伟涛章天晗

杨莉

(74)专利代理机构杭州求是专利事务所有限公

司33200

专利代理师万尾甜韩介梅

(51)Int.CI.

GO6F18/23(2023.01)权利要求书3页说明书7页附图2页

(54)发明名称

一种考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法及系统

(57)摘要

CN118364316B本发明公开了一种考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法及系统，所述方法包括以下步骤：对用户负荷数据进行预处理，计算数据样本间距离矩阵、局部密度及相对距离；利用局部密度和相对距离的计算结果，采用基于局部离群因子和轮廓系数的电力用户自适应CFSFDP负荷曲线聚类方法，得到标准量化下用电负荷数据集的局部最优聚类中心、截断距离及聚类结果。本发明所提方法有助于减少人为因素造成的聚类结果偏差，对于实现大量用户数据下自适应精准聚类具有

CN118364316B

开始

开始用户负荷样本集数据预处理

输入用户和日负荷曲线数据集

数据清洗，剔除数据缺失及异常部分

局部最优截断距离计算

负荷聚类中心求解

选择截断距离dc范围并输入

计算局部密度p和相对距离δ

基于p和δ利用局部离群因子求解聚类中心

基于聚类中心对负荷数据集进行归类

计算平均轮廓系数SC指标判断

N

输出最大轮廓系数下聚类结果及典型负荷曲线

结束

CN118364316B权利要求书1/3页

2

1.一种考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法，其特征在于：包

括：

步骤1:对用户电力负荷数据进行预处理，构建数据样本间距离矩阵，计算得到样本的局部密度及相对距离；

步骤2:利用局部密度和相对距离的计算结果，基于局部离群因子和轮廓系数的电力用户自适应CFSFDP负荷曲线聚类方法，得到标准量化下用电负荷数据集的局部最优聚类中心、截断距离及聚类结果；

利用局部密度p和相对距离δ的计算结果，采用基于局部离群因子和轮廓系数的电力用户自适应CFSFDP负荷曲线聚类方法，得到聚类中心决策图，完成标准量化下用电负荷数据集的局部最优聚类中心、截断距离及聚类结果的计算，包括：

基于已计算获得的用电负荷数据集中样本i的局部密度p和相对距离δ:计算负荷数据样本i的局部离群因子，其为负荷样本i的第k距离邻域N(i)内所有负荷样本与样本i局部可达密度比值的平均值；将所得样本的局部离群因子进行归一化获得归一化局部离群因子结果；

根据归一化局部离群因子结果，确定被选为聚类中心的负荷样本集，以该聚类中心样本集为对象，将剩余负荷曲线样本进行归类，得到初步聚类结果；

再基于轮廓系数的局部最优截断距离自适应求解对初步聚类结果进行进一步优化；

其中，通过归一化局部离群因子计算结果对应局部密度p和相对距离δ,得到被选为聚类中心的负荷样本集，具体为：归一化局部离群因子后，根据预先确定的阈值，筛选超过该阈值的归一化局部离群因子，将这些对应所筛选样本的局部密度p和相对距离δ,得到其在决策图中的位置并确定聚类中心样本。

2.根据权利要求1所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法，其特征在于：所述步骤1中，对用户电力负荷数据进行预处理，构建数据样本间距离矩阵，计算样本的局部密度及相对距离，具体包括：

(1)对电力用户用电负荷数据集，查找缺失数据的序列，剔除无效数据；

(2)将数据进行归一化处理；

(3)计算用电负荷数据样本i和j之间的欧氏距离d,构建样本距离矩阵；

(4)