蒋正邦, 吴 浩, 程 祥, 孙维真, 商佳宜

(1. 浙江大学电气工程学院, 浙江省杭州市 310027; 2. 国网浙江省电力有限公司杭州供电公司, 浙江省杭州市 310011; 3. 浙江电力调度通信中心, 浙江省杭州市 310007)

0 引言

在智能电网的大环境下,电力公司用电信息采集系统、电力营销系统和客户服务信息系统等积累了有关用户与变电站的海量用电信息[1]。充分挖掘与分析这些信息中所蕴含的变电站共性特征,对变电站建模、指导合理用电及安排供电规划、高效利用能源等方面具有重要意义[2-3]。目前,聚类分析是对变电站用电信息进行数据挖掘的重要方法之一。

对变电站聚类分析的研究途径主要有两种,一种是针对变电站的用户构成对变电站进行聚类,另一种是针对变电站的日负荷曲线对变电站进行聚类[4-7]。用户构成一般指变电站中各类用户所占的比例,采用用户构成作为聚类指标的研究者认为,用户构成是造成综合负荷特性差异的根本原因,负荷构成是最直接的负荷本质特征,最能体现负荷特性分类的科学性和合理性[8-11]。而针对日负荷曲线进行聚类的研究者认为,电力负荷曲线聚类是配用电数据挖掘的基础,在负荷数据预处理、异常用户检测、需求侧管理与能效管理等多种配用电问题有广泛的应用[12-18]。

实际上,电力系统是一个高度复杂的分层系统,采用仅考虑日负荷曲线或是用户构成的聚类模型可以准确地对变电站进行聚类,但也相对地忽略了其他影响因素。……