浅析聚类分析在负荷模型分类中的应用-开题报告-文献综述-参考文献

负荷分类的目的是为实际应用提供一定的参考，随着负荷分类方法研究的不断进步，其研究领域也越来越广。但主要的应用研究主要包括如下方面：制定电价、负荷预测、负荷管理以及系统建模等。早在上世纪初，研究人员就已经认识到负荷模型在电力系统中发挥的重要作用，并逐步转向研究负荷的静态及动态特性。随着计算机技术和控制理论的进步，电力系统中也开始引入计算机进行各种仿真，从而推动了负荷建模的发展。

（一）国内研究现状

黄永皓[1]等将负荷分类应用到电价决策领域，综合考虑负荷分类及用地特性，并证明了此方法的有效性；有效解决了现行电价分类方法中并未考虑用户负荷特性的缺陷。曾梦妤[2]在此基础上重新划分了用户类别，根据不同时段中用户对电价的响应程度来建立成本分摊模型，以此进一步修正电价；但是，并没有衡量这种方法的有效性和准确度。范新洪[3]等在进行负荷分类时使用了用户的负荷曲线，并依据用户的用电模型进行负荷预测，但是文中进行用户的筛选时比较主观。Feng Li[4]将遗传算法用户负荷分类，并最终选择出帕累托最优规则用户；但是遗传算法得到的可能是局部最优解。

在对电力系统的负荷构成进行分析后，能够引导用户以合理的方式和时间安排来使用电量，从而达到移峰填谷的效果。陈健[5]等对广州电网的负荷特性进行分析，能够有效减少用电峰谷差，降低电力最大需求，提高用电负荷率。分类后的负荷模型可以描述每一类别的负荷特性，而负荷特性综合[6]综合了每一种负荷模型，可以借助此模型最大限度的得到某一类负荷的共同特征，以此提高负荷模型的适应性。

（二）国外研究现状

George J.Tsekouras[7]提出一种两阶段聚类方法，第一阶段得到用户的负荷曲线，然后在此曲线上利用模式识别技术对用户进行分类，但并没有对聚类方法做过多解释；George J.Tsekouras的另外一篇文献[8]利用负荷曲线和模式识别技术进行负荷分类，并根据评价指标得到了最合适的聚类方法、聚类数目。Bidoki[9]介绍了包括K-means聚类、系统聚类以及模糊聚类等算法在内的多种聚类方法，并以此为基础提出多种评价函数，用于评估每种聚类方法的聚类效果。Teemu rasanen[10]将数据挖掘技术应用到大量用户的负荷分类中，能够准确地提取同类负荷的共同本质特征，但在实际应用过程中需要用到大量的用户数据。

正是由于上述国内外学者的深入研究，电力系统中负荷模型分类才逐渐应用到电力生活的各个领域：

（1）制定电价。已有的电价制定机制存在不少问题，最典型的就是不合理的电价分类，当前在制定电价时一般只考虑用户的行业及用途，很少会考虑用电的负荷特性；这一过程中政策因素发挥了主要作用，导致制定的电价水平无法正确反映企业生产成本。电改的深入必然使终端用户可以选择售电商，所以售电商只有通过合理的电价水平来吸引用户。考虑负荷分类的制定电价方法可以充分考虑不同用户的电压等级、负荷率等因素，能够充分配置市场经济条件下的电力资源。（2）负荷管理。电力系统总的负荷需求，主要在于用户负荷的构成情况。在进行电力系统规划时，在考虑不同类型用户负荷的情况下能得到比较精确的负荷预测模型，以此将负荷需求和发电量间的不匹配降到最低。另外，与传统的用电管理不同的是，电力需求侧管理（DSM）需要用户的参与，这样才能充分挖掘电能资源。DSM在分析电力系统负荷构成的基础上，能够引导参与的用户采用合理的蓄能方式，并在合理的时间段用电，从而达到移峰填谷的作用。

（3）负荷预测。有两种意义上的负荷预测：一种是直接预测总负荷；另外一种是分别预测各类负荷，并综合成总的负荷预测。第一种方法简单易行，并且可以平滑地预测负荷增长的趋势；但第二张方法可能会发现特定负荷增长趋势中的不正常情况，而且可以预测各种类别的负荷，预测结果相对精确。

（4）负荷建模。负荷建模的目的是为仿真运输提供精确的综合负荷模型，在一定程度上决定了仿真研究的可信度。负荷特性的分类及综合可以有效解决工程应用要求和精确的负荷建模间的矛盾。

•

本文的^范文提纲如下：

一、绪论

二、负荷分类及聚类分析方法

（一）负荷分类基础

1. 相似性度量

2. 负荷分类方法

（二）聚类分析方法

1. 聚类分析中的距离

2. 聚类有效性函数

三、 负荷构成及负荷类型识别

（一）负荷构成分析

1. X省电网冬季负荷曲线分析

2. X省电网夏季负荷曲线分析

（二）负荷类型的识别

序列差分均方差

序列方差用于负荷曲线识别

四、聚类分析在负荷分类中的应用

（一）负荷站点的分类

（二）基于聚类分析的X省电网负荷站点分类

三、参考文献

[1] 黄永皓,康重庆,夏清等. 用户分类电价决策方法的研究[J].中国电力,2014,37(1):24-28.

[2] 曾梦妤.分类用户峰谷电价研究[D].华北电力大学硕士^范文,2014:14:-40.

[3] 范新洪,张春梅,叶慧萍.基于负荷曲线分类的电力负荷预测方法[J].现代计算机,2007,  26(1):20:24

[4] FENG Li,QICT Jia-ju.Electrical Load Forecasting Based on Load Patterns[J].Power System Technology,2009,29(4):23:26.

[5] 陈健，刘明波，樊亚亮.广州电网负荷特性分析[J].电力系统及其自动化学报.2009,8(12):78-90.

[6] 陶莉，肖晶，周魏等.负荷特性分析方法的研究[J].电力需求侧管理，2013,5(4):30-32.

[7] George J.Tsekouras, Nikos D. Hatziargyriou, Evangelos N, Dialynas. Two-Stage Pattern Recognition of Load Curves for Classification of Electricity Customers[J]. TRANSACTIONS ON POWER SYSTEMS,2007, 22(3):1120-1128

[8] G.J. Tsekouras, P.B. Kotoulas,C.D. Tsirekis.A pattern recognition evaluation of load profiles  and typical days of large electricity ctric Power Systems Research, 2008(27):1494-1510

[9] S. M. Bidoki, N. Mahmoudi-Kohan. Evaluating Different Clustering Techniques for   Electricity Customer Classification[A].Transmission and Distribution Conference and Exposition, 2010 IEEE PES:1-5.

[10] Teemu rasanen, Dimitrios Voukantsis. Data-based method for creating electricity use load profiles using large amount of customer-specific hourly measured electricity use data[J].Applied Energy ,2010(87): 3538-3545.