一种分布式K-means电力用户分类方法、存储介质及分类设备技术

本发明专利技术公开了一种分布式K‑means电力用户分类方法、存储介质及分类设备，N个负荷聚合商各自获取管理的所有电力用户的用电数据；各负荷聚合商对管理的用电用户的日负荷时序数据进行归一化操作；形成N×N维邻接矩阵A；对归一化后的日负荷时序数据进行K‑means聚类，得到各自的聚类中心以及各聚类中心所表征的用户群；负荷聚合商之间基于邻接矩阵A共享聚类中心和各聚类中心下的用户数量，最终多家负荷聚合商均获得一致的聚类中心；整体迭代结束后，每个负荷聚合商均获得相同的聚类中心，且此聚类中心与基于全局数据的K‑means聚类中心一致，实现用户分类。本发明专利技术能够实现负荷聚合商之间不共享用户用电数据条件下的全局一致用电用户分类。

【技术实现步骤摘要】
一种分布式K-means电力用户分类方法、存储介质及分类设备
本专利技术属于电力系统需求侧信息管理
，具体涉及一种基于一致性的分布式K-means电力用户分类方法、存储介质及分类设备。
技术介绍
随着风电、光伏等间歇性可再生能源，以及热泵、电动汽车等灵活负荷大量接入电网，电网运营商所面临的供需平衡压力日渐增大。在这一背景下，用户侧的需求响应机制将成为电网稳定运行必不可少的重要资源。居民负荷作为一种重要的需求响应资源，需要由负荷聚合商作为中间代理，经聚合后再统一参与需求响应服务。进一步的，负荷聚合商可基于用户的时序负荷数据对居民用户进行分类，得到典型用户类别，并针对不同典型用户类别提供不同的服务，以满足精细化服务的需求。然而，由于竞争关系、保护用户用电隐私等因素的制约，负荷聚合商之间一般不会共享用户用电数据，这将导致不同负荷聚合商得到的典型用户类别不同，这为电网运营商与多家负荷聚合商共同参与电力市场、制定需求响应机制带来不便。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于一致性的分布式K-means电力用户分类方法，多家负荷聚合商可以在不共享用户用电数据的情况下，得到全局一致的典型用户类别。本专利技术采用以下技术方案：一种分布式K-means电力用户分类方法，包括以下步骤：S1、N个负荷聚合商各自获取管理的所有电力用户的用电数据，包括电力用户的编号以及时序负荷数据；S2、各负荷聚合商依据统一的归一化准则，对管理的用电用户的日负荷时序数据进行归一化操作；S3、根据负荷聚合商的信息共享关系，形成N×N维邻接矩阵A；S4、步骤S2各负荷聚合商对各自所管理的用电用户的归一化后的日负荷时序数据进行K-means聚类，得到各自的聚类中心以及各聚类中心所表征的用户群；负荷聚合商之间基于步骤S3的邻接矩阵A共享聚类中心和各聚类中心下的用户数量，并依据相应函数反复迭代，最终多家负荷聚合商均获得一致的聚类中心；S5、整体迭代结束后，每个负荷聚合商均获得相同的聚类中心，且此聚类中心与基于全局数据的K-means聚类中心一致，实现用户分类。具体的，步骤S2中，归一化之后编号为id的用户在第d个时间点的用电数据xid,d为：其中，角标id表示用户的编号；Mid表示编号为id的用户在所研究的时间尺度内的用电总量；D表示所研究的时间尺度内的数据点的总数；Pi,t表示归一化之前编号为id的用户在第d个时间点的用电数据，即实际的用电功率。具体的，步骤S3中，N×N维邻接矩阵A为：其中，N为负荷聚合商的数目。进一步的，邻接矩阵A具有双重随机性，若负荷聚合商i,j之间存在信息交互，则ai,j＞0；若ai,j＞0，则aj,i＞0；ai,i＞0。具体的，步骤S4具体为：S401、每个负荷聚合商内部以ci,k(t)为初始聚类中心进行K-means聚类，i∈[1,N]，k∈[1,K]，K为聚类中心个数，t为整体迭代次数；S402、根据邻接矩阵进行局部迭代；S403、当局部迭代次数s的增加不影响每个聚类中心下的用户数量qi,k(s,t+1)时，迭代结束；S404、若此时ci,k(t+1)满足一致性要求，即不同负荷聚合商获得一致的聚类中心，则停止计算，输出结果；否则返回步骤S401，继续整体迭代。进一步的，步骤S401中，若t＝0，则随机选取初始聚类中心，记录每个聚类中心下的用户数量qi,k(t)。进一步的，步骤S402中，局部迭代具体为：ci,k(0,t+1)＝ci,k(t+1)qi,k(0,t+1)＝qi,k(t+1)其中，s为局部迭代次数，ci,k(0,t+1)为第t+1次全局迭代中局部迭代的初始聚类中心，qi,k(0,t+1)为第t+1次全局迭代中局部迭代中各初始聚类中心下的用户数量，ci,k(s+1,t+1)为第t+1次全局迭代中第s+1次局部迭代的聚类中心，qi,k(s+1,t+1)为第t+1次全局迭代中第s+1次局部迭代中各聚类中心下的用户数量，t为整体迭代次数，ai,j为聚合商i，j之间的交互系数，cj,k(s,t+1)为第t+1次全局迭代中第s次局部迭代的聚类中心，qj,k(s,t+1)为第t+1次全局迭代中第s次局部迭代的各聚类中心下的用户数量，N为负荷聚合商是数目。进一步的，步骤S403具体为：ci,k(t+1)＝ci,k(S,t+1)其中，S为总迭代次数，ci,k(t+1)为第t+1次整体迭代中初始的第i个负荷聚合商的第k个聚类中心。本专利技术的另一个技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。本专利技术的另一个技术方案是，一种分类设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。与现有技术相比，本专利技术至少具有以下有益效果：本专利技术一种基于一致性的分布式K-means电力用户分类方法，多个负荷聚合商之间在仅交互各自聚类结果的情况下，可以获得全局一致的聚类中心。由于数据的分块处理和信息交互只涉及类别信息，本专利技术可以在保护电力用户的用电隐私的同时降低单次计算的计算量。在电网运营商与多个负荷聚合商共同参与电力市场的背景下，为制定精细化的需求响应服务奠定了基础。进一步的，各负荷聚合商采用统一的归一化准则对各自管理的用电用户的日负荷时序数据进行归一化操作，保证了后续的分布式聚类对数据格式一致性的要求。进一步的，负荷聚合商之间抽象的信息共享关系可由邻接矩阵A具象地表示。进一步的，各负荷聚合商在仅交换各自聚类结果的情况下可获得全局一致的聚类中心，考虑了各负荷聚合商之间由于竞争关系、保护用户隐私等原因而不能共享用户用电数据的局限。进一步的，各负荷聚合商分别对各自管理的用电用户的日负荷时序数据进行K-means聚类，负荷聚合商之间不共享用户用电数据。进一步的，负荷聚合商之间根据邻接矩阵共享各自的聚类结果，并依据分布式聚类算法进行局部迭代，以使各负荷聚合商的聚类中心趋于一致。进一步的，局部迭代在局部迭代次数s的增加不影响各聚类中心下的用户数量qi,k(s,t+1)时结束，保证了分布式聚类算法的高效性。综上所述，本专利技术方法可实现负荷聚合商之间不共享用户用电数据条件下的全局一致用电用户分类。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术流程图；图2为实施例的分布式聚类结果。具体实施方式在附图中示出了根据本专利技术公开实施例的各种结构示意图。这些图并非是按比例绘制的，其本文档来自技高网...

【技术保护点】
1.一种分布式K-means电力用户分类方法，其特征在于，包括以下步骤：/nS1、N个负荷聚合商各自获取管理的所有电力用户的用电数据，包括电力用户的编号以及时序负荷数据；/nS2、各负荷聚合商依据统一的归一化准则，对管理的用电用户的日负荷时序数据进行归一化操作；/nS3、根据负荷聚合商的信息共享关系，形成N×N维邻接矩阵A；/nS4、步骤S2各负荷聚合商对各自所管理的用电用户的归一化后的日负荷时序数据进行K-means聚类，得到各自的聚类中心以及各聚类中心所表征的用户群；负荷聚合商之间基于步骤S3的邻接矩阵A共享聚类中心和各聚类中心下的用户数量，并依据相应函数反复迭代，最终多家负荷聚合商均获得一致的聚类中心；/nS5、整体迭代结束后，每个负荷聚合商均获得相同的聚类中心，且此聚类中心与基于全局数据的K-means聚类中心一致，实现用户分类。/n

【技术特征摘要】
1.一种分布式K-means电力用户分类方法，其特征在于，包括以下步骤：
S1、N个负荷聚合商各自获取管理的所有电力用户的用电数据，包括电力用户的编号以及时序负荷数据；
S2、各负荷聚合商依据统一的归一化准则，对管理的用电用户的日负荷时序数据进行归一化操作；
S3、根据负荷聚合商的信息共享关系，形成N×N维邻接矩阵A；
S4、步骤S2各负荷聚合商对各自所管理的用电用户的归一化后的日负荷时序数据进行K-means聚类，得到各自的聚类中心以及各聚类中心所表征的用户群；负荷聚合商之间基于步骤S3的邻接矩阵A共享聚类中心和各聚类中心下的用户数量，并依据相应函数反复迭代，最终多家负荷聚合商均获得一致的聚类中心；
S5、整体迭代结束后，每个负荷聚合商均获得相同的聚类中心，且此聚类中心与基于全局数据的K-means聚类中心一致，实现用户分类。


2.根据权利要求1所述的方法，其特征在于，步骤S2中，归一化之后编号为id的用户在第d个时间点的用电数据xid,d为：



其中，角标id表示用户的编号；Mid表示编号为id的用户在所研究的时间尺度内的用电总量；D表示所研究的时间尺度内的数据点的总数；Pi,t表示归一化之前编号为id的用户在第d个时间点的用电数据，即实际的用电功率。


3.根据权利要求1所述的方法，其特征在于，步骤S3中，N×N维邻接矩阵A为：



其中，N为负荷聚合商的数目。


4.根据权利要求3所述的方法，其特征在于，邻接矩阵A具有双重随机性，

若负荷聚合商i,j之间存在信息交互，则ai,j＞0；若ai,j＞0，则aj,i＞0；





5.根据权利要求1所述的方法，其特征在于，步骤S4具体为：
S401、每个负荷聚合商内部以ci,k(t)为初始聚类中心进行K-means聚类，i∈[1,N]，k∈[1,K]，K为聚类中心个数，t为整体迭代次数；
S402、根据邻接矩阵进行局部迭代；
S403、当局部迭代次数s的增加不影响每个聚类中心下的用户数量q...

【专利技术属性】
技术研发人员：黄玉雄，李更丰，张理寅，姜江枫，杨世海，陈星莺，曹晓东，余昆，
申请(专利权)人：西安交通大学，国网江苏省电力有限公司，河海大学，
类型：发明
国别省市：陕西;61