基于高斯核密度估计的典型负荷曲线形态聚类算法

在电力现货市场结算过程中,获取市场化用户的实时电量至关重要。本文聚焦现货市场中非分时计量用户的电量分解,设计了一种利用典型负荷曲线获取分时电量的方法和流程。首先,选取样本用户,对样本用户计量数据进行预处理后得到完整样本典型负荷曲线。然后,文中提出一种基于核密度估计聚类中心的负荷曲线聚类方法,将kmeans算法原有的均值获取聚类中心升级为高斯核密度估计获取最大概率的聚类中心进行迭代计算,并将聚类中心曲线作为典型负荷曲线对不具备分时计量的用户进行日电量划分,划分至以15min为颗粒度的电量进行结算。最后,运用云南省样本用户计量数据,采用传统峰平谷比例分解、传统聚类算法以及本文改进聚类算法获取的典型负荷曲线进行电量的实时分解算例分析,结果显示,本文所提的改进kmeans算法具备更好的分类性能和较好的效率,同时所分解电量具备更高的准确性。     

基于非参数核密度估计的电力市场用户电量异常数据辨识与修正方法

随着我国电力现货市场的逐步推进,电力市场中的交易结算环节对电力市场用户电量数据的准确度提出了更高的要求。首先,为解决由于计量装置等问题造成的分时电量数据缺失与异常,采取非参数核密度估计(kernel density estimation,KDE)的方法,对窗宽进行优化选取,根据电力市场用户的历史电量数据提取其日分时电量特征曲线。其次,将提取的特征曲线结合历史电量所蕴含的信息得到用户电量数据的可行域矩阵,并将其应用于异常数据的辨识中。再次,根据异常数据区间用电量大小对特征曲线进行缩放处理后的数据作为连续缺点数据修正值。最后,利用某省电力市场用户的计量电量数据,对所提方法的有效性和准确性进行了验证。结果表明所提方法能够有效地处理异常数据,和其他方法相比较,该文方法在连续多点电量数据异常的修正过程中准确度最高,具有实际应用价值。