【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及一種基于vmd和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)方法及系統(tǒng)，屬于電力系統(tǒng)負(fù)荷分析。
技術(shù)介紹
1、目前，電力系統(tǒng)中常用的負(fù)荷特性分析方案，傳統(tǒng)方法采用的一般都是基于聚類(lèi)算法的負(fù)荷特性分析方案。但是，在電力系統(tǒng)中，用戶(hù)用電行為復(fù)雜多變，尤其是隨著新能源的廣泛接入和用戶(hù)需求的多樣化，傳統(tǒng)的用電預(yù)測(cè)方法面臨越來(lái)越大的挑戰(zhàn)。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述問(wèn)題，本專(zhuān)利技術(shù)提出一種基于vmd和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)方法及系統(tǒng)，以解決傳統(tǒng)方法不能很好地處理用戶(hù)用電行為的復(fù)雜性和多樣性的問(wèn)題。
2、為了實(shí)現(xiàn)上述目的，本專(zhuān)利技術(shù)提供如下技術(shù)方案：
3、第一方面，本專(zhuān)利技術(shù)實(shí)施例提供一種基于vmd和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)方法，其包括：
4、獲取用戶(hù)的用電負(fù)荷數(shù)據(jù)，并進(jìn)行預(yù)處理；
5、采用變分模態(tài)分解算法對(duì)預(yù)處理后的用電負(fù)荷數(shù)據(jù)進(jìn)行分解，得到多個(gè)本征模態(tài)分量，并基于本征模態(tài)分量進(jìn)行模態(tài)重構(gòu)；
6、利用基于時(shí)空網(wǎng)絡(luò)的變分自編碼模型，對(duì)模態(tài)重構(gòu)后的用電負(fù)荷數(shù)據(jù)進(jìn)行潛在特征提取，得到初步的聚類(lèi)結(jié)果；
7、基于所述初步的聚類(lèi)結(jié)果，采用mini?batch?k-means算法對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行聚類(lèi)分析，得到精確的聚類(lèi)結(jié)果。
8、基于以上的方法，可選地，所述獲取用戶(hù)的用電負(fù)荷數(shù)據(jù)，并進(jìn)行預(yù)處理包括：
9、選取預(yù)設(shè)時(shí)間段的用電負(fù)荷歷史數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)；
10、對(duì)基礎(chǔ)數(shù)據(jù)中的異常數(shù)
11、對(duì)修正或剔除異常數(shù)據(jù)后的基礎(chǔ)數(shù)據(jù)進(jìn)行歸一化處理。
12、基于以上的方法，可選地，所述采用變分模態(tài)分解算法對(duì)預(yù)處理后的用電負(fù)荷數(shù)據(jù)進(jìn)行分解，得到多個(gè)本征模態(tài)分量，包括：
13、通過(guò)構(gòu)造約束變分函數(shù)使得用電負(fù)荷數(shù)據(jù)被分解為數(shù)個(gè)本征模態(tài)分量；
14、通過(guò)lagrange函數(shù)，將計(jì)算頻帶寬的約束變分函數(shù)變?yōu)榉羌s束的變分函數(shù)，再通過(guò)迭代求得最優(yōu)解。
15、基于以上的方法，可選地，所述基于時(shí)空網(wǎng)絡(luò)的變分自編碼模型的構(gòu)建方法包括：
16、對(duì)模態(tài)重構(gòu)后的用電負(fù)荷數(shù)據(jù)進(jìn)行時(shí)空網(wǎng)絡(luò)編碼；
17、利用變分自編碼模型的編碼器對(duì)時(shí)空網(wǎng)絡(luò)編碼進(jìn)行處理，得到降維特征向量；
18、利用變分自編碼模型的解碼器對(duì)降維特征向量進(jìn)行升維重構(gòu)；
19、使用神經(jīng)網(wǎng)絡(luò)模型對(duì)降維特征向量進(jìn)行聚類(lèi)；
20、將聚類(lèi)損失聯(lián)合kl散度以及重構(gòu)誤差對(duì)模型進(jìn)行優(yōu)化，得到基于時(shí)空網(wǎng)絡(luò)的變分自編碼模型。
21、基于以上的方法，可選地，所述基于所述初步的聚類(lèi)結(jié)果，采用mini?batch?k-means算法對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行聚類(lèi)分析，得到精確的聚類(lèi)結(jié)果，包括：
22、在設(shè)定的k值范圍內(nèi)確定最優(yōu)的聚類(lèi)k值；
23、基于確定的最優(yōu)的k值，運(yùn)行mini?batch?k-means算法對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行處理；
24、在算法收斂后，從最終的聚類(lèi)結(jié)果中提取聚類(lèi)中心，得到精確的聚類(lèi)結(jié)果。
25、基于以上的方法，可選地，還包括：
26、根據(jù)聚類(lèi)結(jié)果，生成不同用戶(hù)用電負(fù)荷數(shù)據(jù)之間的相似性和差異性的分析結(jié)果。
27、第二方面，本專(zhuān)利技術(shù)實(shí)施例還提供一種基于vmd和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)系統(tǒng)，其包括：
28、數(shù)據(jù)獲取模塊，用于獲取用戶(hù)的用電負(fù)荷數(shù)據(jù)，并進(jìn)行預(yù)處理；
29、分解重構(gòu)模塊，用于采用變分模態(tài)分解算法對(duì)預(yù)處理后的用電負(fù)荷數(shù)據(jù)進(jìn)行分解，得到多個(gè)本征模態(tài)分量，并基于本征模態(tài)分量進(jìn)行模態(tài)重構(gòu)；
30、第一聚類(lèi)模塊，用于利用基于時(shí)空網(wǎng)絡(luò)的變分自編碼模型，對(duì)模態(tài)重構(gòu)后的用電負(fù)荷數(shù)據(jù)進(jìn)行潛在特征提取，得到初步的聚類(lèi)結(jié)果；
31、第二聚類(lèi)模塊，用于基于所述初步的聚類(lèi)結(jié)果，采用mini?batch?k-means算法對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行聚類(lèi)分析，得到精確的聚類(lèi)結(jié)果。
32、本專(zhuān)利技術(shù)提供的基于vmd和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)方法及系統(tǒng)，通過(guò)引入變分模態(tài)分解對(duì)電力信號(hào)進(jìn)行模態(tài)分解與重構(gòu)，并提出使用基于時(shí)空網(wǎng)絡(luò)的變分自編碼模型，使用神經(jīng)網(wǎng)絡(luò)進(jìn)行初步聚類(lèi)，實(shí)現(xiàn)針對(duì)用戶(hù)用電負(fù)荷數(shù)據(jù)的潛在特征的提取，之后再使用mini?batch?k-means算法進(jìn)行聚類(lèi)。經(jīng)過(guò)驗(yàn)證，基于時(shí)空網(wǎng)絡(luò)的變分自編碼模型通過(guò)降維再聚類(lèi)的算法，在戴維斯丁堡指數(shù)指數(shù)及輪廓系數(shù)指標(biāo)上均表現(xiàn)出較好的效果，可以為行業(yè)中如何處理用戶(hù)用電行為的復(fù)雜性和多樣性的問(wèn)題提供參考價(jià)值。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于VMD和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取用戶(hù)的用電負(fù)荷數(shù)據(jù)，并進(jìn)行預(yù)處理包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用變分模態(tài)分解算法對(duì)預(yù)處理后的用電負(fù)荷數(shù)據(jù)進(jìn)行分解，得到多個(gè)本征模態(tài)分量，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于時(shí)空網(wǎng)絡(luò)的變分自編碼模型的構(gòu)建方法包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述初步的聚類(lèi)結(jié)果，采用MiniBatch?K-Means算法對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行聚類(lèi)分析，得到精確的聚類(lèi)結(jié)果，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：
7.一種基于VMD和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)系統(tǒng)，其特征在于，包括：
【技術(shù)特征摘要】
1.一種基于vmd和時(shí)空網(wǎng)絡(luò)變分字編碼的用戶(hù)負(fù)荷聚類(lèi)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取用戶(hù)的用電負(fù)荷數(shù)據(jù)，并進(jìn)行預(yù)處理包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用變分模態(tài)分解算法對(duì)預(yù)處理后的用電負(fù)荷數(shù)據(jù)進(jìn)行分解，得到多個(gè)本征模態(tài)分量，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：熊威，周一凡，孫殿坤，柯永超，龔莉莉，蔣道方，雷國(guó)盛，吳思瑾，歐陽(yáng)葆興，唐振，楊蘊(yùn)琳，文旭東，
申請(qǐng)(專(zhuān)利權(quán))人：廣東電網(wǎng)有限責(zé)任公司珠海供電局，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。