宋军英，崔益伟，李欣然，钟 伟，刘韬文，李培强

（1. 国网湖南省电力有限公司,湖南省长沙市410077；2. 湖南大学电气与信息工程学院,湖南省长沙市410082）

0 引言

变电站综合负荷是由数量众多、特性各异的电力用户构成的,通过在线掌握用户的负荷特性,可实现变电站综合负荷构成特性的在线解析。其基本思路是：运用聚类分析的方法,对用户的日负荷曲线进行分类与综合,获得典型用电行业的分类负荷特性,进而在线解析得到综合负荷的用电行业构成比例,最终实现在线负荷建模［1-2］。

随着智能电网建设的深入,用户日负荷曲线数据量及维度大幅提高,对电网大数据平台负荷特性提取的准确性、鲁棒性及运算效率提出了更高的要求［3-4］。负荷曲线采样频率的提升虽然能更完整地反映用户的日用电特性,但高维数据集应用于聚类算法时会导致运算效率下降,且由于采样点增多,某一时间段的小幅噪声（以某一采样值水平线为基准上下波动的采样点）会影响曲线动态特性的刻画,从而导致相似度衡量误差。此时如果依然采用传统算法（如K 均值（K-means）算法）,直接应用原始数据进行聚类,就会存在以下3 个缺点［5］：①聚类数目需事先划定,初始聚类中心曲线的选取过程完全随机；②相似度衡量方法难以准确估量高维曲线的动态特性；③鲁棒性较差,扰动点对算法聚类质量负面影响较大。因此,对于基于电网大数据平台的在线负荷建模,如何从海量的日负荷曲线中提取有价值的信息,高质量、高效率地进行实时准确聚类,完成变电站综合负荷解析,就成为亟须解决的重要问题［6］。……