一种基于形状的居民用电负荷曲线聚类与预测方法

本发明涉及计算机及电力，具体涉及一种基于形状的居民用电负荷曲线聚类与预测方法。

背景技术：

1、电力行业的需求响应工作是提高公共产业经济、能源效率，并实现减能减排和整合可再生能源的重要途径。日常居民用户的电力消耗至少占总电力消耗的25％，这使对居民用户的用电需求响应成为一个重要的研究领域。

2、对居民用电情况进行分类并进行负荷预测已经得到了较为广泛的研究。如：使用k-均值和自组织图(som)等无监督学习技术对负荷曲线进行分类；使用半隐马尔可夫模型拟合单个负荷曲线，并通过光谱聚类对这些曲线进行下一步的分类。在负荷预测方法，传统的负荷预测是指在总用电量的维度上预测未来某个时间段内的用电需求，如：根据温度、湿度等驱动变量预测某区域的用电情况，并将线性回归模型、支持向量机等技术应用其中。

3、尽管已经开发出了多种聚类及预测方法，但在面对多种不同用户的用电情况时仍存在一些问题。因此，本发明提出一种基于形状的居民用电负荷曲线聚类与预测方法，这一方法可使负荷曲线的时间轴进行拉伸或压缩，以寻求更合理的聚类方式。本发明在进行验证后发现有以下提高：1)相比较k-均值和基于e&m的高斯算法，dtw作为距离度量时，居民用户用电的负荷曲线分类簇的数量减少了45％左右；2)在dtw聚类的基础上，使用基于马尔可夫链的方法预测第二天的用电情况。大大提升了预测的准确率。

技术实现思路

1、本发明提出了一种基于形状的居民用电负荷曲线聚类与预测方法，基于动态时间规整算法(dtw)对用户的负荷曲线进行聚类，通过对时间轴的非线性拉伸和收缩实现对不同负荷曲线的匹配，与k-均值、e&m等其他传统算法相比较，基于dtw的聚类算法得到的类别数量相对更少，聚类效率更高。在完成聚类工作后，分别对各个居民用户的24小时用电负荷曲线进行编码，并根据编码的负荷曲线序列构造马尔可夫模型，当我们拥有前一天的负荷曲线及其编码时，即可对第二天的用电情况进行预测。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于形状的居民用电负荷曲线聚类与预测方法，包括以下步骤：

4、s101对居民用户的用电负荷曲线进行初步的观察及分析；

5、s102使用动态时间规整(dtw)算法对用户的用电负荷曲线进行聚类；

6、s103在步骤s102的聚类结果的基础之上，使用基于马尔可夫的预测算法，对居民用户的用电负荷曲线进行预测；

7、s104使用采集到的真实用电数据对以上算法进行训练及验证。

8、进一步地，所述步骤s101中，对电力数据进行数据描述与特征提取的操作包括：查找并总结过往的研究数据，进而对居民用户的用电负荷曲线具有更加深刻的理解，从中提炼归纳负荷曲线的相关特征。

9、进一步地，所述步骤s102包括：

10、s1：选择实验数据，保证实验数据的普遍性；

11、s2：建立统一的标准衡量聚类的质量优劣。

12、进一步地，所述步骤s103的主要过程为：在上述步骤的基础之上，对居民的用电负荷曲线进行预测，所述步骤s103具体还包括以下步骤：

13、s1：使用实际真实数据，对所提出的方法进行训练及验证；

14、s2：为聚类及预测模型选取最优的模型参数。

15、本发明提出了一种基于形状的居民用电负荷曲线聚类与预测方法，与传统算法相比较，本发明可以对时间序列进行更合理的匹配和拟合，能够更加精准地提炼出各个用电负荷曲线的共同特征，进而进行聚类及下一阶段的预测工作。在当今电力消耗巨大，这一方法能够大大提高电力负荷预测的精确度，供电方和居民用户均可参考预测所得的数据，对未来某时间段内的用电情况进行调整，以实现提高经济效益、节能减排保护生态环境的目的。

16、提出了一种新的负荷曲线聚类方法，此方法基于动态时间规整(dtw)算法，本方法通过对时间序列进行拉伸与收缩，使其更好地匹配，并在完成此算法后，对用户的用电负荷曲线进行规整的编码，为接下来的负荷预测打下基础。

17、从负荷预测的角度，提出了基于马尔可夫链的预测模型，在考虑前一天用电情况的基础上，对第二天的用电情况进行预测，并指导用户的用电行为。

18、相比于现有技术，本发明的有益效果在于：

19、本发明使用dtw，通过对时间轴的非线性拉伸和收缩匹配不同负荷曲线的形状，且与传统的计算方法相比，基于dtw的聚类算法得到的类别数量更少，聚类效率更高，计算过程更加精简；

20、利用dtw算法进行聚类并对负荷曲线进行编码，根据编码的负荷曲线构建基于马尔可夫链的预测模型，当已知前一天的用电情况时即可对第二天的用电数据进行预测，与其他算法相比较，本发明提出的预测方法得到的平均预测误差较低，能够对居民用户的用电情况做较准确及稳定的预测。

技术特征：

1.一种基于形状的居民用电负荷曲线聚类与预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于形状的居民用电负荷曲线聚类与预测方法，其特征在于，所述步骤s101中，对电力数据进行数据描述与特征提取的操作包括：查找并总结过往的研究数据，进而对居民用户的用电负荷曲线具有更加深刻的理解，从中提炼归纳负荷曲线的相关特征。

3.根据权利要求2所述的基于形状的居民用电负荷曲线聚类与预测方法，其特征在于，所述步骤s102还包括：

4.根据权利要求3所述的基于形状的居民用电负荷曲线聚类与预测方法，其特征在于，所述步骤s103结合步骤s101和步骤s102对居民的用电负荷曲线进行预测，所述步骤s103具体还包括以下步骤：

技术总结
本发明公开了一种基于形状的居民用电负荷曲线聚类与预测方法，包括以下步骤：S101对居民用户的用电负荷曲线进行初步的观察及分析；S102使用动态时间规整(DTW)算法对用户的用电负荷曲线进行聚类；S103在步骤S102的聚类结果的基础之上，使用基于马尔可夫的预测算法，对居民用户的用电负荷曲线进行预测；S104使用采集到的真实用电数据对以上算法进行训练及验证。本发明使用DTW，通过对时间轴的非线性拉伸和收缩匹配不同负荷曲线的形状，利用DTW算法进行聚类并对负荷曲线进行编码，根据编码的负荷曲线构建基于马尔可夫链的预测模型，能够对居民用户的用电情况做较准确及稳定的预测。

技术研发人员：王欣影
受保护的技术使用者：东北大学
技术研发日：
技术公布日：2024/1/13