用電行為模式識(shí)別步驟如圖6-1所示。

圖6-1用電行為模式識(shí)別步驟

(1)數(shù)據(jù)選擇

通過自動(dòng)抄表系統(tǒng)、智能家居系統(tǒng)等可以獲取電力用戶的電力消費(fèi)數(shù)據(jù)即負(fù)荷數(shù)據(jù)。常用采集間隔為15min、30min或1h。用戶負(fù)荷數(shù)據(jù)的初步選擇可以按時(shí)間(月、季、年)、地理區(qū)域和電壓等級(jí)(高、中、低)等條件進(jìn)行。此外，數(shù)據(jù)選擇還與應(yīng)用目的有關(guān)。

(2)數(shù)據(jù)清理

檢查每個(gè)用戶的負(fù)荷曲線數(shù)據(jù)是否正常，修改或刪除有明顯錯(cuò)誤(不完整、有噪聲或不一致)的數(shù)據(jù)。

(3)數(shù)據(jù)預(yù)處理

由于用戶的行業(yè)性質(zhì)及負(fù)荷大小不同，原始負(fù)荷數(shù)據(jù)值之間可能會(huì)存在巨大差異，有時(shí)甚至相差多個(gè)數(shù)量級(jí)，不經(jīng)處理聚類會(huì)影響聚類質(zhì)量，使得聚類結(jié)果不可靠。因此在對(duì)數(shù)據(jù)進(jìn)行聚類前必須對(duì)數(shù)據(jù)集進(jìn)行規(guī)范化，把樣本數(shù)據(jù)限制到一定范內(nèi)。這樣不僅便于數(shù)據(jù)的后續(xù)處理，還可以提高收斂速度以縮短聚類的運(yùn)行時(shí)間。

(4)負(fù)荷曲線聚類

即用聚類算法對(duì)規(guī)范化后的負(fù)荷曲線在給定聚類數(shù)下進(jìn)行聚類。聚類分析結(jié)果易受到多種因素的影響，如規(guī)范化方式、聚類結(jié)果對(duì)數(shù)據(jù)集的依賴性、算法的穩(wěn)定性、算法對(duì)數(shù)據(jù)輸入順序的敏感性等。負(fù)荷曲線聚類首先要確定負(fù)荷特性指標(biāo)、選擇合適的聚類算法和確定其橢應(yīng)的參數(shù)。

(5)聚類結(jié)果評(píng)價(jià)與反饋

對(duì)前述步驟中獲得的聚類結(jié)果進(jìn)行分析和評(píng)價(jià)。對(duì)于聚類數(shù)目，可以依據(jù)用戶涉及的電價(jià)類別或國(guó)民經(jīng)濟(jì)活動(dòng)行業(yè)分關(guān)給定，這樣便于分析找到電價(jià)類別和行業(yè)類別與負(fù)荷模式的對(duì)應(yīng)關(guān)系以及負(fù)荷曲線的負(fù)荷模式分布，也可確定每個(gè)客戶的典型負(fù)荷模式。反饋過程可檢查所涉及用戶的數(shù)量和包含在所有各負(fù)荷模式的負(fù)荷曲線數(shù)目，確定移除客戶的非典型負(fù)荷曲線(聚類中表現(xiàn)為離群數(shù)據(jù))。并利用聚類有效性指標(biāo)評(píng)價(jià)聚類結(jié)果的質(zhì)量。

(6)用戶分類與典型負(fù)荷分布的生成

通過聚類結(jié)果評(píng)價(jià)和反饋后可確定合適的聚類數(shù)，實(shí)現(xiàn)依據(jù)負(fù)荷模式的用戶分類并獲得用戶典型負(fù)荷模式的對(duì)應(yīng)分布。用戶分類和典型負(fù)荷模式提取的最終目標(biāo)是為了支持電力系統(tǒng)運(yùn)營(yíng)決策，優(yōu)化運(yùn)行，降低損耗，提高經(jīng)濟(jì)效益。