Geo-distributed Collaborative Clustering Method for Load Characteristic Analysis

Jiacheng LIU; Jiang WU; Pengyuan LIU; Zhanbo XU; Xiaopeng LI; Xiaohong GUAN

doi:10.7500/AEPS20210708008

您当前的位置：

首页 >

文章列表页 >

Geo-distributed Collaborative Clustering Method for Load Characteristic Analysis

Basic Research | 更新时间：2025-06-16

- Geo-distributed Collaborative Clustering Method for Load Characteristic Analysis
- Automation of Electric Power Systems Vol. 46, Issue 15, Pages: 112-120(2022)
- 作者机构：
  
  1.智能网络与网络安全教育部重点实验室（西安交通大学），陕西省西安市 710049
  2.国网陕西省电力公司西安供电公司，陕西省西安市 710048
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2016YFB0901900);National Natural Science Foundation of China(61803297)
- DOI：10.7500/AEPS20210708008
  CLC：
- Received：08 July 2021，
  
  Revised：2022-02-25，
  
  Published Online：26 May 2022，
  
  Published：10 August 2022
- 稿件说明：
移动端阅览
刘家丞,吴江,刘鹏远等.面向负荷特征分析的地理分布式协同聚类方法[J].电力系统自动化,2022,46(15):112-120.

LIU Jiacheng,WU Jiang,LIU Pengyuan,et al.Geo-distributed Collaborative Clustering Method for Load Characteristic Analysis[J].Automation of Electric Power Systems,2022,46(15):112-120.
刘家丞,吴江,刘鹏远等.面向负荷特征分析的地理分布式协同聚类方法[J].电力系统自动化,2022,46(15):112-120. DOI： 10.7500/AEPS20210708008.

LIU Jiacheng,WU Jiang,LIU Pengyuan,et al.Geo-distributed Collaborative Clustering Method for Load Characteristic Analysis[J].Automation of Electric Power Systems,2022,46(15):112-120. DOI： 10.7500/AEPS20210708008.

摘要

能源互联网架构下，用户数据传输延迟和电力公司管理规定促使电力数据中心在全国各地建立，电力数据因而呈现地理分布式，对此研究了在地理分布式情景下的用户负荷特征聚类算法。首先，对于地理节点内用户负荷的特征分析，在采用主成分分析与负荷指标特征加权组合算法的基础上，提出了考虑密度峰值信息的

-means算法，并为地理节点间的信息共识提供了支撑。其次，针对用户需求的地理分布式网络化感知结构，构建了考虑特征迁移的分布式聚类模型框架，提出将节点局部信息通过参数共识得到全局聚类模型的分布式

-means算法，在节点间仅传递公开信息的前提下，实现了用户特征的全局聚类。最后，通过爱尔兰、中国北方部分城市的负荷数据对模型及算法进行验证。结果显示，分布式

-means能利用全局信息、考虑不同区域的差异来更好地识别典型用电曲线，并且算法具有较好的可迁移性。

Abstract

Under the framework of Energy Internet. The transmission delay of user data and management requirements of power grid companies promote the establishment of power data centers all over the country. Therefore

the power data naturally presents geographic distribution. In this regard

the clustering algorithm of user load characteristics in geo-distributed scenarios is studied. Firstly

for the characteristic analysis of user load in geographical nodes

based on the principal component analysis (PCA)-load index feature weighted combination algorithm

-means algorithm considering the density peak information is proposed

which provides the support for information consensus among geographical nodes. Secondly

according to the geo-distributed network perception structure of user requirement

the framework of distributed clustering model considering feature migration is constructed

and the distributed

-means algorithm is proposed to obtain the global clustering model by using the local information of nodes through parameter consensus

which realizes the global clustering of user characteristics on the premise that only public information is transmitted between nodes. Thus

the global clustering of user characteristics is realized. Finally

the model and algorithm are verified by user load data from the cities in Ireland and northern China. The results show that distributed

-means can use global information and consider differences in different regions to better identify typical power consumption curves

and the algorithm has better transferability.

关键词

Keywords

references

薛禹胜，赖业宁 . 大能源思维与大数据思维的融合：（一）大数据与电力大数据［J］. 电力系统自动化， 2016 ， 40 （ 1 ）： 1 - 8 .

XUE Yusheng ， LAI Yening . Integration of macro energy thinking and big data thinking： Part one big data and power big data ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 1 ）： 1 - 8 .

孙宏斌，郭庆来，潘昭光 . 能源互联网：理念、架构与前沿展望［J］. 电力系统自动化， 2015 ， 39 （ 19 ）： 1 - 8 .

SUN Hongbin ， GUO Qinglai ， PAN Zhaoguang . Energy Internet： concept， architecture and frontier outlook ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 19 ）： 1 - 8 .

JIBRAN M ， NASIR H A ， QURESHI F A ， et al . A demand response-based solution to overloading in underdeveloped distribution networks ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 5 ）： 4059 - 4067 .

BAEK K ， LEE E ， KIM J . Resident behavior detection model for environment responsive demand response ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 5 ）： 3980 - 3989 .

葛磊蛟，赵康，孙永辉，等 . 基于孪生网络和长短时记忆网络结合的配电网短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 23 ）： 41 - 50 .

GE Leijiao ， ZHAO Kang ， SUN Yonghui ， et al . Short-term load forecasting of distribution network based on combination of siamese network and long short-term memory network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 23 ）： 41 - 50 .

WEN H L ， GU J ， MA J H ， et al . Probabilistic load forecasting via neural basis expansion model based prediction intervals ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 4 ）： 3648 - 3660 .

ALAVI S A ， MEHRAN K ， VAHIDINASAB V ， et al . Forecast-based consensus control for DC microgrids using distributed long short-term memory deep learning models ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 5 ）： 3718 - 3730 .

WANG C Y ， PANG K Y ， SHAHIDEHPOUR M ， et al . MILP-based fault diagnosis model in active power distribution networks ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 5 ）： 3847 - 3857 .

王浩，杨东升，周博文，等 . 基于并联卷积神经网络的多端直流输电线路故障诊断［J］. 电力系统自动化， 2020 ， 44 （ 12 ）： 84 - 92 .

WANG Hao ， YANG Dongsheng ， ZHOU Bowen ， et al . Fault diagnosis of multi-terminal HVDC transmission line based on parallel convolutional neural network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 12 ）： 84 - 92 .

万磊，陈成，黄文杰，等 . 基于BRB和LSTM网络的电力大数据用电异常检测方法［J］. 电力建设， 2021 ， 42 （ 8 ）： 38 - 45 .

WAN Lei ， CHEN Cheng ， HUANG Wenjie ， et al . Power abnormity detection method based on power big data applying BRB and LSTM network ［J］. Electric Power Construction ， 2021 ， 42 （ 8 ）： 38 - 45 .

肖勇，郑楷洪，余忠忠，等 . 基于三次指数平滑模型与DBSCAN聚类的电量数据异常检测［J］. 电网技术， 2020 ， 44 （ 3 ）： 1099 - 1104 .

XIAO Yong ， ZHENG Kaihong ， YU Zhongzhong ， et al . Power data anomaly detection based on holt-winters model and DBSCAN clustering ［J］. Power System Technology ， 2020 ， 44 （ 3 ）： 1099 - 1104 .

ARAVENA I ， CHAPIN S J ， PONCE C . Decentralized failure-tolerant optimization of electric vehicle charging ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 5 ）： 4068 - 4078 .

XU M D ， ZHANG G G ， LI W F ， et al . Coordinated control strategy for grid-connected integrated energy system of wind， photovoltaic and hydrogen ［C］// 2019 IEEE 8th International Conference on Advanced Power System Automation and Protection ， October 21-24 ， 2019 ， Xi'an， China ： 1120 - 1124 .

KHAZAEI J ， NGUYEN D H . Multi-agent consensus design for heterogeneous energy storage devices with droop control in smart grids ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 2 ）： 1395 - 1404 .

吴庆曦，彭晖，王瑾，等 . 电网调控集群分布式实时数据库的设计与关键技术［J］. 电力系统自动化， 2017 ， 41 （ 22 ）： 89 - 95 .

WU Qingxi ， PENG Hui ， WANG Jin ， et al . Design and key technologies of cluster based distributed real-time database for power dispatching and control system ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 22 ）： 89 - 95 .

HU Z M ， LI B C ， LUO J . Time- and cost- efficient task scheduling across geo-distributed data centers ［J］. IEEE Transactions on Parallel and Distributed Systems ， 2018 ， 29 （ 3 ）： 705 - 718 .

PAL S ， SIKDAR B ， CHOW J H . Classification and detection of PMU data manipulation attacks using transmission line parameters ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 5 ）： 5057 - 5066 .

CHEN L ， LU R X ， CAO Z F ， et al . MuDA： Multifunctional data aggregation in privacy-preserving smart grid communications ［J］. Peer-to-Peer Networking and Applications ， 2015 ， 8 （ 5 ）： 777 - 792 .

张少敏，赵乙桥，王保义 . 智能电网下保护用户隐私的无证书环签密方案［J］. 电力系统自动化， 2018 ， 42 （ 3 ）： 118 - 123 .

ZHANG Shaomin ， ZHAO Yiqiao ， WANG Baoyi . Certificateless ring signcryption scheme for preserving user privacy in smart grid ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 3 ）： 118 - 123 .

GOPE P ， SIKDAR B . Privacy-aware authenticated key agreement scheme for secure smart grid communication ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 4 ）： 3953 - 3962 .

NOORWALI A ， RAO R ， SHAMI A . Modeling and delay analysis of wide area network in smart grid communications ［C］// 2016 IEEE Smart Energy Grid Engineering （SEGE）， August 21-24 ， 2016 ， Oshawa， Canada ： 347 - 352 .

VULIMIRI A ， CURINO C ， GODFREY B ， et al . Global analytics in the face of bandwidth and regulatory constraints ［C］// Proceedings of the 12th USENIX Conference on Networked Systems Design and Implementation ， May 1 ， 2015， Vancouver ， Canada ： 323 - 336 .

CANO I ， WEIMER M ， MAHAJAN D ， et al . Towards geo-distributed machine learning ［EB/OL］. ［ 2020-01-09 ］. https：//arxiv.org/abs/1603.09035v1 https://arxiv.org/abs/1603.09035v1 .

史佳琪，谭涛，郭经，等 . 基于深度结构多任务学习的园区型综合能源系统多元负荷预测［J］. 电网技术， 2018 ， 42 （ 3 ）： 698 - 707 .

SHI Jiaqi ， TAN Tao ， GUO Jing ， et al . Multi-task learning based on deep architecture for various types of load forecasting in regional energy system integration ［J］. Power System Technology ， 2018 ， 42 （ 3 ）： 698 - 707 .

RODRIGUEZ A ， LAIO A . Clustering by fast search and find of density peaks ［J］. Science ， 2014 ， 344 ： 1492 - 1496 .

陈君，黄立峰，高成英，等 . 基于Gabor小波加权组合特征的性别识别［J］. 计算机辅助设计与图形学学报， 2015 ， 27 （ 9 ）： 1767 - 1774 .

CHEN Jun ， HUANG Lifeng ， GAO Chengying ， et al . Gender recognition based on weighted combination of Gabor wavelets ［J］. Journal of Computer-Aided Design & Computer Graphics ， 2015 ， 27 （ 9 ）： 1767 - 1774 .

LIU P Y ， YANG C Y ， WU J ， et al . Hybrid features based K -means clustering algorithm for use in electricity customer load pattern analysis ［C］// 37th Chinese Control Conference （CCC）， July 25-27 ， 2018 ， Wuhan， China .

ABDESSAMEUD A ， TAYEBI A . Distributed consensus algorithms for a class of high-order multi-agent systems on directed graphs ［J］. IEEE Transactions on Automatic Control ， 2018 ， 63 （ 10 ）： 3464 - 3470 .

PANG Y P ， HU G Q . Randomized gradient-free distributed optimization methods for a multiagent system with unknown cost function ［J］. IEEE Transactions on Automatic Control ， 2020 ， 65 （ 1 ）： 333 - 340 .

LIN P ， WANG Y H ， QI H S ， et al . Distributed consensus-based K -means algorithm in switching multi-agent networks ［J］. Journal of Systems Science and Complexity ， 2018 ， 31 （ 5 ）： 1128 - 1145 .

POPOV N V ， KLIONSKIY D M . Research of dimension reduction algorithms of feature space in data analysis task ［C］// 2020 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering ， January 27-30 ， 2020 ， St. Petersburg and Moscow， Russia ： 458 - 462 .

MATASCI G ， VOLPI M ， KANEVSKI M ， et al . Semisupervised transfer component analysis for domain adaptation in remote sensing image classification ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2015 ， 53 （ 7 ）： 3550 - 3564 .

CHIDAMBARAM B ， RAVICHANDRAN M ， SESHADRI A ， et al . Computational heat transfer analysis and genetic algorithm-artificial neural network-genetic algorithm-based multiobjective optimization of rectangular perforated plate fins ［J］. IEEE Transactions on Components ， Packaging and Manufacturing Technology ， 2017 ， 7 （ 2 ）： 208 - 216 .

Irish Social Science Data Archive ， SN ： 0013 - 00 . Commission for energy regulation （CER） smart metering project ［EB/OL］. ［ 2020-01-09 ］. https：//www.ucd.ie/issda/data/commissionforenergyregulationcer https://www.ucd.ie/issda/data/commissionforenergyregulationcer .

CHEN J X ， LI Y L ， SUN P ， et al . An improved distributed clustering algorithm based on density ［C］// 8th International Conference on Intelligent Networks and Intelligent Systems （ICINIS）， November 1-3 ， 2015 ， Tianjin， China ： 133 - 136 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Flexibility Demand Decomposition and Operation Optimization for Power System Based on Hybrid Mathematical Morphology

Related Author

LI Yujia

CHEN Fuhao

YAN Jie

GE Chang

HAN Shuang

LIU Yongqian

LUO Renjie

JU Jiaxin

Related Institution

School of New Energy, North China Electric Power University

College of Electrical Engineering, Zhejiang University

College of Electrical Engineering, Sichuan University

Beijing Electric Power Economic and Technological Research Institute Co., Ltd.

Institute of Electrical Engineering, Chinese Academy of Sciences

⁰