CN118364316B 一种考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法及系统 （浙江大学）

US2012054184A1,2012.03.01US2021056647A1,2021.一种考虑自适应快速搜索密度峰值的电力本发明公开了一种考虑自适应快速搜索密用基于局部离群因子和轮廓系数的电力用户自2户自适应CFSFDP负荷曲线聚类方法，得到标准量化下用电负荷数据集的局部最优聚类中利用局部密度ρ和相对距离δ的计算结果，采用基于局部离群因基于已计算获得的用电负荷数据集中样本i的局部密度ρi和相对距离δi计算负荷数据样本i的局部离群因子，其为负荷样本i的第k距离邻域Nk(i)内所有负荷样本与样本i局部根据归一化局部离群因子结果，确定被选为聚类中心的负荷样本再基于轮廓系数的局部最优截断距离自适应求解对初步聚类结果进行其中，通过归一化局部离群因子计算结果对应局部密度ρ和相对距离δ,得到被选为聚阈值的归一化局部离群因子，将这些对应所筛选样本的局部密度ρ和相对距离δ,得到其在2.根据权利要求1所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方3.根据权利要求2所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方4.根据权利要求1所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方3k负荷样本i的局部可达密度，其表示在负荷样本i的第k距离邻域内所有负荷样本的可达距(i)为所有样本的局部离群因子中的最大5.根据权利要求1所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方4行时实现如权利要求1_5任一项所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线现如权利要求1_5任一项所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方5[0004]本发明主要解决的技术问题是通过构建负荷样本数据集的局部最优聚类中心和6xi[0019]基于已计算获得的用电负荷数据集中样本i的局部密度ρi和相对距离δi计算负荷数据样本i的局部离群因子，其为负荷样本i的第k距离邻域Nk(i)内所有负荷样本与样本i[0021]再基于轮廓系数的局部最优截断距离自适应求解对初步聚类结果进行进一步优7k为负荷样本i的局部可达密度，其表示在负荷样本i的第k距离邻域内所有负荷样本的可达内所有负荷样本与i局部可达密度比值的平均值；LOFn(i)为归一化局部离群因子结果，[0031]进一步地，通过归一化局部离群因子计算结果对应局部密度ρ和选超过该阈值的归一化局部离群因子，将这些对应所筛选样本的局部密度ρ和相对距离δ,器执行时实现如上任一项所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类8[0040]本发明还提供一种考虑自适应快速搜索密度峰值的电力器实现如上任一项所述的考虑自适应快速搜索密度峰值的电力用户[0055](4)计算用电负荷数据集中样本i的局部密度ρi和相对距离δi，可被表示为下9荷样本i的局部离群因子，表示为负荷样本i的第k距离邻域Nk(i)内所有负荷样本与i局部[0078]为验证所提出的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法的[0080]为进一步验证所提出的考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法的相比其他聚类方法的优越性，以上述用户[0083]利用聚类指标CHI(Calinski_Harabaszindex)和DBI(Davies_Bouldinindex)的结果对四种方法的聚类结果进行评价。其中，CHI利用聚类簇内离差矩阵来度量簇内紧密处理器执行时实现如上任一项所述的考虑自适应快速搜索密度峰值的电力用户负荷曲线[0085]本发明还提供一种考虑自适应快速搜索密度峰值的电力器实现上述任一种考虑自适应快速搜索密度峰值的电力用户