基于特征加權模糊聚類的電力負荷分類

馬宗彪，許素安，朱少斌，王晶

(中國計量大學 機電工程學院，浙江 杭州 310018)

0 引言

近年電力市場廣泛發展，供電側及電力需求側管理技術的普遍應用，電力系統的負荷分類已成為電力規劃、定制電價、負荷預測、負荷建模等工作的基礎性研究內容[1]。因此，深入研究電力系統的負荷分類方法，有利于研究掌握客戶負荷的變化趨勢，對供電側的科學管理用電工作具有重要意義。

電力負荷曲線是描述電力負荷需求隨時間變化的特性曲線[2]。在實際應用中，通常采用具有代表性的典型季節的日負荷曲線，將典型的日負荷曲線進行歸一化處理，可得到典型日最大(小)負荷、平均負荷率等信息。針對電力負荷的特征提取及聚類算法，國內外學者進行了相當深入的研究工作。目前較為流行的聚類方法有K-means[3]、支持向量機[4]、模糊C均值[5]、自組織特征映射神經網絡（SOM）[6]等，其中聚類算法能夠深入挖掘數據的隱性規律，具備無監督學習能力。在文獻[7]提出的模糊集理論基礎上，模糊C均值聚類在樣本模糊隸屬度上，增強了樣本的類屬程度和分類準確性，因此得到廣泛關注。

歐式距離不僅是聚類分析，更是模糊C均值聚類分析中最常用的距離度量方法[8]。在歐式距離與FCM聚類分析相結合的研究之中，包含加權歐氏距離和非加權歐氏距離[9]，根據加權歐式距離的性質，權值系數變化能夠明顯改變歐式距離的大小，因此根據實際應用，確定權重系數，并利用加權歐式距離進行聚類分析具有科學依據[10]。……