基于聚类算法的大用户用电模式识别研究

赵志宇++肖颖婷++任莹

[摘 要] 针对电力企业中大用户用电模式识别手工为主的问题，提出了一种基于K-means和HAC算法的用电负荷二次聚类的方法，并进行了实例应用分析，结果表明，该方法是一种对用户用电模式快速识别的有效方法，能够减少人力物力的投入，为今后业务领域进一步分析提供了重要的手段。

[关键词] 电力负荷；K-means算法；HAC算法；用电模式；聚类分析

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 076

[中图分类号] TP311 [文献标识码] A [文章编号] 1673 - 0194（2017）19- 0177- 03

0 前 言

电力负荷特性分析的研究一直是电力企业中的一项重要的内容，对于电网的规划和发展有着重要的指导意义。同时，随着国民经济的发展，产业结构的不断调整变化，不同类型的电力负荷也随着在不断变化中。为此，及时准确掌握电力用户负荷特性的变化，对用户用电模式进行识别和跟踪，有着重要的价值。

1 负荷现状分析

本文所用电力数据来源云南某市电网，见表1，可知，该市2016年的电力负荷主要是大工业为主，占比为60.55%，其次为居民用电，占比为21.49%，为典型的工业城市。

进一步分析该市的日负荷曲线（见图1）。日负荷曲线较为平稳，周期性比较明显，用电高峰都在白天出现，局部存在突变。

2 聚类算法选择

聚类算法是根据数据样本之间的相似度来进行归属和分类的一种方法， 样本之间相似度高，就优先归为一类， 不同类之间的样本相似度尽可能的低。目前应用较广泛的主要包括距离划分、层次划分、密度划分、网格划分4种方法。

而电力负荷曲线具有多样性和复杂性，不同于普通的数据样本，不能按照单一的原则进行硬划分。……