基于som神經網絡聚類算法的日負荷特征曲線提取方法
【專利摘要】本發明的目的在于根據現有日負荷特征曲線提取方法的不足之處而提供一種基于SOM神經網絡聚類算法的日負荷特征曲線提取方法。首先獲取電力用戶用電信息采集系統中可監測用戶的日負荷數據，進行日負荷特征曲線提取和分析；然后對數據進行歸一化處理，對輸入向量進行存儲，權值向量進行初始化；最后通過權值的修正得到以優勝神經元與輸入神經元之間連接權向量作為聚類中心即該類別用戶的日負荷特征曲線。分析表明，采用SOM神經網絡聚類算法提取日負荷特征曲線具有良好的效果，提取出的日負荷特征曲線能夠較好反映該類型用戶的用電行為與特征，為電力企業了解用戶用電習慣、細分電力市場、調整定價策略和實施需求側管理提供了有益參考。
【專利說明】基于SOM神經網絡聚類算法的日負荷特征曲線提取方法
【技術領域】
[0001]本發明涉及一種日負荷特征曲線提取方法，特別是一種基于SOM神經網絡聚類算法的日負荷特征曲線提取方法。
【背景技術】
[0002]在國家提出建設堅強智能電網的背景下，提高電力營銷服務水平和智能用電技術已成為電網企業關注的焦點。電力營銷服務水平與智能用電技術的提升離不開在對電力用戶用電行為特征的準確、全面、及時地掌握，而從海量負荷數據中提取用戶日負荷特征曲線并進行深入分析成為研究用戶用電行為特征的一種有效方式。
[0003]從研究對象層面來看，以往相關研究側重專線用戶(負荷數據來源為SCADA系統)和專變用戶，并以傳統意義上的行業分類作為提取負荷特征曲線時聚類的依據。從研究方法層面來看，電力用戶日負荷特征曲線的提取多使用聚類算法，主要有統計方法、機器學習方法、人工神經網絡方法和面向數據庫的方法。人工神經網絡因具有大規模的并行協同處理能力、較強的容錯能力、聯想能力、學習能力和自適應能力，故能夠較好地適應海量數據背景下的數據挖掘。本發明提出采用SOM神經網絡聚類算法提取公變用戶日負荷特征曲線。
【發明內容】
[0004]本發明的目的是在于根據上述日負荷特征曲線提取方法的不足之處而提供一種基于SOM神經網絡聚類算法的日負荷特征曲線提取方法。
[0005]本發明采用以下方案實現:一種基于SOM神經網絡聚類算法的日負荷特征曲線提取方法，其特征在于包括如下`步驟:
步驟SOl:獲取電力用戶用電信息采集系統中可監測用戶的日負荷數據；
步驟S02:對樣本用戶從電力用戶用電信息采集系統中提取任意一天的負荷數據； 步驟S03:將負荷數據作為輸入向量存儲在矩陣
P中，對權值膂進行初始化，權值向量的每一維的取值范圍同輸入向量每一維的取值范圍；
步驟S04:選擇一個輸入向量，提供給網絡輸入層；
步驟S05:按照下式計算競爭層每一個神經元J的權值與輸入向量之差:
H w(i) XOI ⑵
其中，J = 1,2,--,c, c表示神經元的個數；
步驟S06:按照“勝者為王”的原則，對每一個神經元J以IBiiDi益中的最小值所對應的神經元i作為勝者，對它和它的鄰域內的神經元的權值進行調整，假設當前處于學習的第I步，權值的修正按照下式進行:
【權利要求】
1.一種基于SOM神經網絡聚類算法的日負荷特征曲線提取方法，其特征在于包括如下步驟: 步驟SOl:獲取電力用戶用電信息采集系統中可監測用戶的日負荷數據； 步驟S02:對樣本用戶從電力用戶用電信息采集系統中提取任意一天的負荷數據；步驟S03:將負荷數據作為輸入向量存儲在矩陣I*中，對權值w進行初始化，權值向量的每一維的取值范圍同輸入向量每一維的取值范圍； 步驟S04:選擇一個輸入向量，提供給網絡輸入層； 步驟S05:按照下式計算競爭層每一個神經元J的權值與輸入向量之差:
2.根據權利要求1所述的基于SOM神經網絡聚類算法的日負荷特征曲線提取方法，其特征在于:所述步驟S02中負荷數據的提取是按照以下方式實現:提取公變用戶每15分鐘采集一次的有功功率構成其日負荷曲線，一天共96個采集點；然后再進行歸一化處理。
【文檔編號】G06N3/02GK103761568SQ201410031546
【公開日】2014年4月30日 申請日期:2014年1月23日 優先權日:2014年1月23日
【發明者】鐘小強, 鄒保平, 林女貴, 高琛, 陳益信, 鄧伯發, 黃陽玥, 陳適, 陳楊鳴, 董雨, 孫廣中, 李春生 申請人:國家電網公司, 國網福建省電力有限公司, 國網福建省電力有限公司電力科學研究院, 國網信通億力科技有限責任公司, 中國科學技術大學