一种基于形状的系统负荷聚类及负荷周期的模式识别方法

1.一种基于形状的系统负荷聚类及负荷周期的模式识别方法，其特征在于，所述方法包括下述步骤：(1)基于智能电表数据的系统日负荷统计；(2)生成系统日负荷曲线；(3)应用基于形状的时间序列聚类分析算法，得到典型日负荷曲线聚类结果；(4)根据聚类结果，对负荷周期模式进行识别；所述步骤(3)中，时间序列聚类分析算法依靠于数据点到原型的距离的测定；基于形状的聚类算法将类似形状的曲线聚类，减少振幅不同和阶段相位不同对时间序列聚类的影响；基于形状的时间序列聚类分析算法通过计算时间序列的交叉相关性来测量序列形状的相似性；增加采用一对多和一对零的比较过程；比较两个时间序列 和时间序列 的相似性时，先保持时间序列 不变，通过计算得出需要平移时间序列 的距离如下：其中：s∈[-m，m]，并且 m是时间序列的个数，ω表示第ω时间序列，ω∈{1,2,…,2m-1},CC ω 为交叉相关序列，x 1 ，...，x m 为时间序列 的元素，y 1 ，...，y m 为时间序列 的元素；s指 的一个偏移；假定长度为2m-1的交叉相关序列定义为：其中： 通过以下公式计算：其中：目标为计算 最大时ω的位置，根据ω的值计算以 为基础平移 的最优值 l是从1开始的整数，k是整数，绝对值小于m；R k 表示交叉相关序列；x l+k 为时间序列 的某个元素、R -k 表示交叉相关序列、y l 是时间序列 的某个元素。 2.如权利要求1所述的模式识别方法，其特征在于，所述步骤(1)中，智能电表数据的系统日负荷统计是把区域或系统内每一个智能电表用户的24小时负荷曲线累加，从而得到系统的24小时负荷曲线，即日负荷曲线；智能电表的数据包括有功，无功，电压，电流，功率因数；负荷指的是有功读数；系统日负荷曲线是描述一日内负荷随时间变化的曲线；不同地区、不同季节在工作日、周末或节日的日负荷曲线各不相同；采用典型季节的典型日负荷曲线，包括典型日负荷曲线和典型日持续负荷曲线；所述典型日负荷曲线是分析地区用电特点和影响因素、预估负荷特性变化趋势的基础，是进行系统电源结构、调峰容量及互联系统错峰的依据。 3.如权利要求1所述的模式识别方法，其特征在于，所述步骤(4)中，基于形状的时间序列聚类分析算法得到的典型日负荷曲线聚类结果中，每一类均能找到在实际数据中其对应的典型日负荷类型，包括冬季工作日，春季节日和夏季周末；所述对负荷周期模式进行识别采用数据驱动方式，根据本地区所有用户的智能电表数据所得到的系统日负荷曲线，再进行聚类分析，得到的聚类结果描述和识别系统负荷周期模式。 4.如权利要求1所述的模式识别方法，其特征在于，对负荷周期模式进行识别之后，还包括：对系统负荷进行预测。 5.如权利要求4所述的模式识别方法，其特征在于，所述对系统负荷进行预测，包括：将基于形状的时间序列聚类分析技术应用于典型日负荷曲线，并对系统负荷进行预测；根据过去历史年的日负荷曲线采用分组或聚类，结合日期类型、集中供暖时间范围、温度、降雨量因素寻找历史中的相似日，根据历史中相似日的负荷曲线、最近1～2天的负荷曲线以及气象预报数据，预估预测日的系统负荷曲线；日期类型包括春夏秋冬四季及工作日和休息日。