【技术实现步骤摘要】
本专利技术涉及综合能源聚类分析，尤其涉及一种低碳园区综合能源用能聚类特征分析方法及系统。
技术介绍
1、近年来国家不断推进智能电网和能源互联网建设发展，越来越多的智能传感设备在电力系统中安装使用，进而形成了完整的高级测量体系(advancedmeteringinfrastructure,ami)。使得能源系统每时每刻都在产生海量数据，这些数据可能来自于智能电表、数字保护装置等。如何利用好采集的大数据，是目前能源系统领域的一个重要研究课题。在国内外相关领域，对于大数据的研究在逐渐增多，其中利用数据挖掘技术进行大数据分析，是目前处理大数据问题的常用研究方法。数据挖掘的基础和前提是采集到的原始数据，能源系统悠久的运行历史积累了大量的基础用能数据，这些数据具有处理难度高，计算复杂、数据量大等特点，但是数据之间又潜藏着密切的关联和相似性。通过分析数据中的关联和相似性，进而可以提取出用户个体及群体的用能行为特征，针对具有不同用能行为特征的对象，制定差异化服务策略，可以使服务用户更加灵活，有利于支撑能源需求响应策略的实施。因此在能源系统中利用好数据挖掘和综合能源用能特征技术，对需求响应的进一步研究也具有重要意义。国内外对用电行为分析已展开了广泛研究，其中聚类是目前在能源系统领域广泛应用的一种分析方法，即通过对传统聚类算法的改进，实现对聚类数目的快速确定，以及提高聚类精度。
2、但是就目前来说，聚类在用户用能行为分析中的应用研究，尽管基于传统改进的聚类算法具有较好的算法成熟度，且快速易实现，但存在初始聚类中心难以确定，聚类精度一般的
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题，提出了本专利技术。因此，本专利技术提供了一种低碳园区综合能源用能聚类特征分析方法，用来解决
技术介绍
中的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术提供了一种低碳园区综合能源用能聚类特征分析方法，包括：
5、收集园区中的用户数据，利用数据挖掘法对所述用户数据中的园区用户用电负荷特征数据和燃气数据进行预处理和聚类分析，同时考虑在园区日消耗曲线和园区日负荷曲线对聚类分析的影响；
6、通过canopy算法对所述园区用户负荷特征数据进行预聚类，根据预聚类的结果，进行迭代并分配聚类对象，将所述分配后的结果与所述预聚类的结果进行比较，得到改进后的k-means算法；
7、将改进后的k-means算法应用于所述燃气数据和园区用户电负荷特征数据的聚类中进行仿真分析，得到低碳下的园区综合能源用能聚类特征分析结果。
8、作为本专利技术所述的低碳园区综合能源用能聚类特征分析方法的一种优选方案，其中：收集园区中的用户数据，利用数据挖掘法对所述用户数据中的园区用户用电负荷特征数据和燃气数据进行预处理和聚类分析，包括：
9、分析用电负荷特征数据中的负荷系数，利用日总用能量e每日和日最大负荷pmax,每日之间的关系，并加入多因素参数s，得到日最小负荷pmin,每日，利用所述最大负荷pmax,每日和最小负荷pmin,每日，得到日负荷率lf每日；
10、通过所述日负荷率lf每日，同时结合日总燃气量tgc每日和日最大燃气消耗量mgc每日之间的关系，得到日燃气率dgur每日；
11、对所述日负荷率lf每日和日燃气率dgur每日进行归一化。
12、作为本专利技术所述的低碳园区综合能源用能聚类特征分析方法的一种优选方案，其中：考虑在园区日消耗曲线和园区日负荷曲线对聚类分析的影响，包括：
13、设定园区日消耗曲线序列c_user＝[u1,u2,…,un]，n∈z+；
14、设定园区日负荷曲线序列l_d＝[d1,d2,…,dm]，m∈z+；
15、计算所述园区消耗曲线序列中的坐标值的一阶导数，若所述导数结果为正转负，则将该坐标值标记为峰值；若所述导数结果由负转正，则将该坐标值标记为谷值；
16、计算所述园区日负荷曲线序列中的坐标值的二阶导数，若所述导数结果为正，则将该坐标值标记为峰值；若所述导数结果为负，则将该坐标值标记为谷值；
17、对得到的园区消耗曲线序列的峰值和谷值以及园区日负荷曲线序列的峰值和谷值，取中位数；
18、其中，u∈(x,y)表示为消耗曲线的坐标值；d∈(x,y)表示为消耗负荷曲线的坐标值。
19、作为本专利技术所述的低碳园区综合能源用能聚类特征分析方法的一种优选方案，其中：通过canopy算法对所述园区用户负荷特征数据进行预聚类，包括：
20、利用园区日消耗曲线，确定初始距离阈值q1、q2，且q1>q2；
21、从园区日负荷曲线序列中随机取出一个坐标值，作为canopy的质心，记为c，并为canopy质心c生成子集kc作为canopy的子集；
22、再从园区日负荷曲线序列中随机取出一个坐标值且本次取出的坐标值不得与之前取出的坐标值重复，记为m，设其到canopy质心的距离为d。
23、作为本专利技术所述的低碳园区综合能源用能聚类特征分析方法的一种优选方案，其中：还包括：
24、将每个canopy子集kc中所有强标记且满足中位数的位置作为子集kc的中心，并从园区日负荷曲线序列中进行删除。
25、作为本专利技术所述的低碳园区综合能源用能聚类特征分析方法的一种优选方案，其中：所述强标记，包括：
26、定义强标记规则；
27、若d≤q1或d≤q2，则所述m为弱标记，并将所述m置入kc中；
28、若d≤q1或d≤q2，则所述m为强标记，并将所述m置入kc中；
29、若d≥q1或d≥q2，则所述m生成新的canopy子集kc*并将原m从园区日负荷曲线序列中删除；
30、重复迭代，直至园区日负荷曲线序列中不包含任何坐标值。
31、作为本专利技术所述的低碳园区综合能源用能聚类特征分析方法的一种优选方案，其中：根据预聚类的结果，进行迭代并分配聚类对象，将所述分配后的结果与所述预聚类的结果进行比较，得到改进后的k-means算法，包括：
32、将新的canopy子集kc*作为k-means算法的初始聚类中心，根据距离公式，重新计算聚类对象到所述聚类中心的距离，并将距离相近的聚类对象分配到同一个聚类中；
33、当所有聚类对象分配完成本文档来自技高网...
【技术保护点】
1.一种低碳园区综合能源用能聚类特征分析方法，其特征在于，包括：
2.如权利要求1所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，收集园区中的用户数据，利用数据挖掘法对所述用户数据中的园区用户用电负荷特征数据和燃气数据进行预处理和聚类分析，包括：
3.如权利要求2所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，考虑在园区日消耗曲线和园区日负荷曲线对聚类分析的影响，包括：
4.如权利要求2或3所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，通过Canopy算法对所述园区用户负荷特征数据进行预聚类，包括：
5.如权利要求4所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，还包括：
6.如权利要求5所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，所述强标记，包括：
7.如权利要求6所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，根据预聚类的结果，进行迭代并分配聚类对象，将所述分配后的结果与所述预聚类的结果进行比较，得到改进后的K-means算法，包括：
8.
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述方法的步骤。
...【技术特征摘要】
1.一种低碳园区综合能源用能聚类特征分析方法，其特征在于，包括：
2.如权利要求1所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，收集园区中的用户数据，利用数据挖掘法对所述用户数据中的园区用户用电负荷特征数据和燃气数据进行预处理和聚类分析，包括：
3.如权利要求2所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，考虑在园区日消耗曲线和园区日负荷曲线对聚类分析的影响，包括：
4.如权利要求2或3所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，通过canopy算法对所述园区用户负荷特征数据进行预聚类，包括：
5.如权利要求4所述的低碳园区综合能源用能聚类特征分析方法，其特征在于，还包括：
6.如权利要求5所述的低碳园区综合能源用...
【专利技术属性】
技术研发人员：谈竹奎，王扬，宋子宏，肖小兵，蔡永翔，付宇，徐玉韬，冯起辉，何明君，张松，王卓月，张广秋，乔镖，李骥，孙宗宇，李锦堂，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。