一种基于符号聚合近似表示的多元负荷分类方法和系统与流程

技术特征：
1.一种基于符号聚合近似表示的多元负荷分类方法，其特征在于，所述方法包括以下步骤：s1、获取用户历史用电数据并进行处理，生成日负荷特性数据；s2、使用k均值聚类算法，对日负荷特性数据进行聚类，获取典型日负荷特性数据；s3、将日负荷特性数据用符号聚合近似进行表示，根据符号聚合近似表示对典型日负荷数据进行分类。2.根据权利要求1所述的基于符号聚合近似表示的多元负荷分类方法，其特征在于，步骤s1具体包括以下步骤：s11、收集一定时间区间内多个用户的历史用电数据；s12、以用户id和时间为标识，对历史用电数据进行清理，处理成时间序列用电数据；s13、将时间序列用电数据进行归一化处理，生成每个用户的日负荷特性数据。3.根据权利要求1所述的基于符号聚合近似表示的多元负荷分类方法，其特征在于，步骤s2中所述典型日负荷特性数据，包括典型日负荷特性曲线。4.根据权利要求1所述的基于符号聚合近似表示的多元负荷分类方法，其特征在于，步骤s2具体包括以下步骤：s21、剔除日负荷全为0值的日负荷特性数据，生成日负荷特性数据样本集；s22、根据时间跨度确定日负荷特性数据样本集中k均值聚类方法中的k值；s23、建立目标函数，并根据目标函数获取日负荷特性数据样本集的k类聚类结果；s24、剔除聚类结果中的边缘值，并计算平均日负荷特性数据；s25、在剩余聚类结果中选取离平均日负荷特性数据最接近的日负荷特性数据为典型日负荷特性数据。5.根据权利要求1所述的基于符号聚合近似表示的多元负荷分类方法，其特征在于，步骤s3具体步骤包括：用a和b组成的时间序列表示典型日负荷数据，将典型日负荷数据进行分类，其中a表示用户在该时段用电，b表示用户在该时段空闲。6.根据权利要求5所述的基于符号聚合近似表示的多元负荷分类方法，其特征在于，所述典型日负荷数据分为以下6类：第1类
‑
纯谷段用电型：只在谷时用电；第2类
‑
谷段用电且平段补电型：在谷段和平段都用电；第3类
‑
全天用电型：谷平峰段都用电；第4类
‑
白天用电型：只在平峰段用电；第5类
‑
谷段用电且峰段补电型：在谷段和峰段都用电；第6类
‑
空闲型：全天均不用电。7.根据权利要求1
‑
6任意一项所述的基于符号聚合近似表示的多元负荷分类方法的分类系统，其特征在于，包括数据处理模块，典型日负荷绘制模块，符号聚合近似表示的多元负荷分类模块；所述数据处理模块，获取一定时间段内的用户历史用电数据，对数据进行数据清洗，转化为序列向量做输入数据；所述典型日负荷绘制模块，接收用户历史用电数据，使用k均值聚类算法，对所求时间
区间内的用户数据进行聚类，获得用户典型日负荷特性数据，所述典型日负荷特性数据，包括典型日负荷特性曲线；所述符号聚合近似表示的多元负荷分类模块，将用户日负荷曲线特性用符号聚合近似表示，通过符号统计给日负荷特性数据打上初始类别标签，对用户典型日负荷特性进行分类。

技术总结
本发明公开了一种基于符号聚合近似表示的多元负荷分类方法和系统，该方法通过获取用户历史用电数据，进行数据处理，使用k均值方法提取典型日用户负荷数据，基于用户典型负荷数据的符号聚合近似表示，对用户用电时段进行快速分类。通过用户典型日负荷数据，可以有效的归纳用户用电规律；用符号聚合近似表示用电数据，进行归纳统计，将自定义初始类别标签不同但特性相似的负荷分为一类，可以快速对庞大的用户用电数据进行时段分类，精确了解每一个用户的用电习惯和各个用电类别用户数，从而实现高效的电网管理。高效的电网管理。高效的电网管理。


技术研发人员：彭涛 邱宇航 王上 包铁
受保护的技术使用者：吉林大学
技术研发日：2021.08.19
技术公布日：2021/11/30