进行模糊聚类，将分别得到一个聚类结果。例如，若获取的用电负荷曲线的 所有可能聚类类别数为3、4和5,那么，分别将3作为模糊C-均值聚类算法的聚类类别数， 将4作为模糊C-均值聚类算法的聚类类别数和将5作为模糊C-均值聚类算法的聚类类别 数后，都将得到一个聚类结果，即三个聚类结果。
[0096] 其中，其中通过模块C-均在聚类算法对获取的用电负荷曲线进行聚类，即是指， 在获取的用户负荷曲线内，将其中具有相似负荷波动特性的用户负荷曲线归为一类。而使 用模块C-均在聚类算法具有运算速度较块的优点。
[0097] 步骤S220 :利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚 类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，得到所述待测用户的 负荷曲线类别。
[0098] 利用预定的有效性指标对所有得到的聚类结果进行评估后，将得到的评估结果进 行比对，可以得到在所有聚类结果中选出一个最佳聚类结果，根据得到的聚类结果，可以确 定该待测用户在该最佳聚类结果中所属的聚类类别，进而得到该待测用户的负荷曲线类 别。
[0099] 可选的，图3示出了本发明实施例提供的负荷特性分析方法中获取典型负荷曲线 的方法流程图，参照图3,该获取典型负荷曲线的方法可以包括：
[0100] 步骤S300 :确定所述待测用户的负荷曲线类别；
[0101] 为了获取待测用户所属类别的典型负荷曲线，需要先得知待测用户的负荷曲线类 别。
[0102] 步骤S310 :确定所述负荷曲线类别内包含的所有用电负荷曲线；
[0103] 对获取的用电负荷曲线进行聚类后，每个聚类类别都包含有至少一条用电负荷曲 线，因此，在获取待测用户所属类别的典型负荷曲线时，需要先确定每个类别内包含的所有 用电负荷曲线
[0104] 步骤S320 :根据所述所有用电负荷曲线提取得到一条典型负荷曲线，将所述典型 负荷曲线作为所述待测用户的典型负荷曲线。
[0105] 在对获取的用电负荷曲线进行聚类后，同一个聚类类别内的负荷曲线将具有相同 的负荷形态，即，同一个聚类类别内的所有负荷曲线将会高度重合，因此，可以根据同一聚 类类别内负荷曲线的高度重合性来分别提取得到每个聚类类别内的典型负荷曲线。
[0106] 可选的，图4示出了本发明实施例提供的负荷特性分析方法中计算典型负荷曲线 与预定外界因素的关联关系，确定典型负荷曲线受各个预定外界因素的影响程度的方法流 程图，参照图4,该计算典型负荷曲线与预定外界因素的关联关系，确定典型负荷曲线受各 个预定外界因素的影响程度的方法可以包括：
[0107] 步骤S400 :根据预定外界因素建立多元线性回归方程；
[0108] 可选的，建立的多元线性回归方程可以为： yv 八八 ?^八
[0109] y = a + b\x] + hix2+ ? ? ? +hkXk_
[0110] 其中，；为用电量或最大负荷；k为预定外界因素的数目；xk为第k个外界因素；f 和S均为拟合系数，其中，&为第k个外界因素的拟合系数。
[0111] 步骤S410 :对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程 系数显著性检验，分别得到一个检验结果；
[0112] 可选的，拟合优度检验的可决系数R2可以定义为：
[0114] 其中，SSR为回归平方和，SST为总离差平方和，SSE为残差平方和。
[0115] 可选的，SSR的计算公式可以为：
[0117] 可选的，SST的计算公式可以为：
[0119] 可选的，SSE的计算公式可以为：
[0121] 其中，yi为因变量实际值，J为因变量拟合值，P为因变量平均值。
[0122] 可决系数R2的取值在0~1之间，R2越接近1，表明回归拟合的效果越好。
[0123] 可选的，复相关系数R可以为：
[0125] 可通过用复相关系数R来衡量所有自变量与随机变量y的线性关系的显著性程 度。
[0126] F检验主要用来检验自变量Xl，x2，…，xk与因变量y之间是否存在显著的线性关 系，即方程显著性检验。
[0127] 可选的，F检验统计量可以为：
[0129] 其中，n为样本的个数。
[0130] 给定显著性水平，当检验值F大于临界值Fa2(k,n-1-k)时，证明X。x2，…，xk与y 之间线性关系显著。
[0131] 可选的，还可利用P值检验法进行方程显著性检验。
[0132] 为剔除次要的、影响不显著的自变量，还要进行对回归方程系数的显著性检验，即 参数显著性检验。
[0133] 可选的，参数限制性检验可以为：
[0137] Cii是矩阵（XTXr[X= (Xl，x2，…，xk)]对角线上第i个元素。
[0138] 当|tj》ta2时，认为1^不显著为0,即自变量因变量y的线性影响显著。
[0139] 可选的，还可以利用2倍检验法及P值检验法进行参数显著性检验。
[0140] 步骤S420 :根据所有所述检验结果确定所述典型负荷曲线受各个所述预定外界 因素的影响程度。
[0141] 再对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著 性检验后，可以分别得到一个检验结果，根据所有检查结果，便可确定获取的典型负荷曲线 受各个预定外界因素的影响程度。
[0142] 本发明实施例提供的负荷特性分析方法，考虑了外界因素对负荷特性的影响，提 高了负荷特性分析结果的准确性，既提高了负荷特性分析结果与实际情况的吻合程度，通 过统一的分类方式和规范的负荷特性指标体系来对各地区进行负荷特性分析，在不同时间 尺度上和规划上构建用户用电特性的指标，为直观评价用户负荷曲线提供了标准，使各个 地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。
[0143] 下面对本发明实施例提供的负荷特性分析系统进行介绍，下文描述的负荷特性分 析系统与上文描述的负荷特性分析方法可相互对应参照。
[0144] 图5为本发明实施例提供的负荷特性分析系统的系统框图，参照图5,该负荷特性 分析系统可以包括：获取模块100、第一分析模块200、第二分析模块300和综合分析模块 400 ;其中，
[0145] 获取模块100,用于确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲 线；
[0146] 第一分析模块200,用于利用多元线性回归方程计算所述典型负荷曲线与预定外 界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；
[0147] 第二分析模块300,用于构建用电负荷特性指标体系，并根据所述用电负荷特性指 标体系确定所述典型负荷曲线的各个用电负荷特性指标值；
[0148] 综合分析模块400,用于根据所述典型负荷曲线受各个所述预定外界因素的影响 程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析， 得到负荷特性分析结果。
[0149] 可选的，图6示出了本发明实施例提供的负荷特性分析系统中获取模块100的结 构框图，参照图6,该获取模块100可以包括：数据获取单元110、聚类单元120和结果获取 单元130 ;其中，
[0150] 数据获取单元110,用于获取待测用户所在用电系统内所有用户的用电负荷曲线， 确定所述所有用户的用电曲线的所有可能聚类类别数；
[0151] 聚类单元120,用于将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的 聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果；
[0152] 结果获取单元130,用于利用预定的有效性指标对所有得到的聚类结果进行评估， 得到最佳聚类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，