运用聚类算法预测地区电网典型日负荷曲线.pdf

《运用聚类算法预测地区电网典型日负荷曲线.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第34卷第1期2013年2月电力与能源47运用聚类算法预测地区电网典型日负荷曲线李翔，顾洁(1．上海市电力公司浦东供电公司，上海200122；2．上海交通大学～一电一气一～一～㈨～一工程一m～一lJ一～一系．删一～m一∞，上～一海一池一～20=～一_0耋一～星240川～一～一一)一～～一～‰一呱～一一摘要：日负荷曲线预测是制定日调度计划等工作的基础，典型日负荷曲线的预测对电网规划设计具有重要的参考价值，其预测的准确性直接影响到电网建设和运行的经济效益。通过对历史数据的预处理、初始聚类中心的设置以及

2、最优聚类数目的确定，建立典型日负荷曲线的聚类预测模型。基于历史数据的聚类结果以及待预测日的温度、降水量、湿度等相关参数，得出典型日负荷曲线预测结果。将该模型应用于上海电网典型日负荷曲线预测，显示聚类算法能够全面地考虑相关的因素，得到较为准确的预测结果。关键词：地区电网；负荷预测；负荷特性；数据挖掘；聚类分析；典型日负荷曲线中图分类号：TM714文献标志码：A文章编号：2095—1256(2013)01—0047—04UsingtheClusteringAlgorithmForecastintheP

3、owerGridTypicalDailyLoadCurveLXiang。GuJie(1．PudongPowerSupplyCompany，SMEPC，Shanghai200122，China；2．DepartmentofElectricalEngineering，ShanghaiJiaotongUniversity，Shanghai200240，China)一～一一一m一_～誊一一舱～一．一哪=一量～一一～一．～～～一．不断提升，大量、丰富的历史负荷数据为科学决策0引言提供了依据[1]。电力系统负

4、荷曲线的变化过程是一个非平1聚类模型稳的随机过程。以不同的时间维度分析，负荷曲线的变化呈现1天、1周、1月以至1年的变化建立日负荷曲线预测的聚类模型时主要考周期。虑历史数据的预处理、初始聚类中心的设置、最优日负荷曲线是表示负荷需求在1昼夜内随时聚类数目的确定等问题。间变化的特性曲线。日负荷曲线预测是根据电力1．1历史数据的预处理负荷、经济、社会、气象等历史数据，分析电力负荷日负荷曲线的变化具有一定的周期性。例历史数据变化规律，对未来负荷的影响寻求电力如：同一季节内的日负荷曲线与当日的星期类型负荷与

5、各种相关因素之间的内在联系，从而对未有较强的关联，不同年份的季节典型日负荷曲线来某1天的日负荷曲线进行科学的预测。随着电具有很高的相似性。因此，考虑对日负荷曲线的力系统对数据挖掘的不断深入和信息采集功能的历史样本进行聚类，进而对所形成的各类样本进48李翔，等：运用聚类算法预测地区电网典型日负荷曲线行变化特征挖掘，所得的结果能够比对日负荷曲法，目的是通过在完备数据空间的不完全搜索，线进行独立分析，更好地反映出本质变化规律。使得目标函数取得最大值(或最小值)。由于局所以，日负荷曲线预测的聚类模型，必须

6、建立在充部极值点的存在以及启发算法的贪心性，该算分的历史数据样本基础上。法对初始聚类中心敏感，从不同的初始聚类中目前，大多数电力系统都能够提供包括若干心出发，得到的聚类结果不一定相同，并不一定年内每一天整点时刻的日类型、负荷以及温度、降保证得到全局最优解。因此，怎样找到一组合水量、湿度等气象因素的历史数据积累，可以据此适初始中心点，从而获得一个较好的聚类效果进行建模分析。其中日类型可以分为工作日和非并消除聚类结果的波动性，对K均值聚类算法工作日，作为预测模型的自变量，进行建模时前者具有重要意义。用

7、1表示，后者用0表示。而负荷和气象因素的本文采用文献[6]介绍的解决方法：绝对数据的数量级从1O。～10。不等，计量单位也①算出样本总体的算术均值；不统一，因此必须对数据的样本先进行归一化②找出所有样本到算术均值的最大距离处理。max—d和最小距离min—d；气象因素的归一化表达式为：③将(max_d-rain—d)平均分成C等份，这样将形成c个区间，C为聚类数目；归一化值一④每个样本到均值的距离，将唯一地落在(1)某个区间内，并据此把样本分成C类；假设历史数据中负荷最大值为P，第h时⑤每一类的算

8、术均值作为初始聚类中心。刻的负荷为P(一1，2，⋯，f)，以P⋯采用式(2)经验证，采用上述方法，可以使初始聚类中心对负荷曲线进行归一化处理：的分布尽可能地体现数据的实际分布，获得较好X^一P^／P⋯(2)的聚类效果。式中：、X^为归一化后的负荷曲线第h时刻的值。1．4最优聚类数目的确定1．2聚类算法的选择设置不同的聚类数目得到的聚类结果会有所K均值聚类算法是一种常用的动态聚类算差异，为了得出最优的聚类数目，需要对不同聚类法，其实现过程是首先选择聚类中心，对样本作初数目的聚类结果进