基于网络结构约简的配电网多日负荷曲线聚类方法

祁梦雪; 梅林珏昊; 李知艺; 辛焕海

doi:10.7500/AEPS20220523001

您当前的位置：

首页 >

文章列表页 >

基于网络结构约简的配电网多日负荷曲线聚类方法

学术研究 | 更新时间：2025-06-16

- 基于网络结构约简的配电网多日负荷曲线聚类方法
- Multi-day Load Curve Clustering Method for Distribution Network Based on Network Structure Reduction
- 电力系统自动化 2023年47卷第5期页码：35-43
- 作者机构：
  
  浙江大学电气工程学院，浙江省杭州市 310027
- 作者简介：
  
  祁梦雪(1997—)，女，硕士研究生，主要研究方向：复杂网络在电力系统中的应用、负荷态势感知。E-mail：22010118@zju.edu.cn
  梅林珏昊(1997—)，男，硕士研究生，主要研究方向：电力系统态势感知。E-mail：22010126@zju.edu.cn
  李知艺(1989—)，男，通信作者，博士，研究员，博士生导师，主要研究方向：综合能源电力系统规划及运行、信息安全及隐私保护。E-mail：zhiyi@zju.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(U2066601)
- DOI：10.7500/AEPS20220523001
  中图分类号：
- 收稿：2022-05-23，
  
  修回：2022-10-20，
  
  网络出版：2023-01-06，
  
  纸质出版：2023-03-10
- 稿件说明：
移动端阅览
祁梦雪,梅林珏昊,李知艺等.基于网络结构约简的配电网多日负荷曲线聚类方法[J].电力系统自动化,2023,47(5):35-43.

QI Mengxue,MEI Linjuehao,LI Zhiyi,et al.Multi-day Load Curve Clustering Method for Distribution Network Based on Network Structure Reduction[J].Automation of Electric Power Systems,2023,47(5):35-43.
祁梦雪,梅林珏昊,李知艺等.基于网络结构约简的配电网多日负荷曲线聚类方法[J].电力系统自动化,2023,47(5):35-43. DOI： 10.7500/AEPS20220523001.

QI Mengxue,MEI Linjuehao,LI Zhiyi,et al.Multi-day Load Curve Clustering Method for Distribution Network Based on Network Structure Reduction[J].Automation of Electric Power Systems,2023,47(5):35-43. DOI： 10.7500/AEPS20220523001.

摘要

新型电力系统背景下，配电网末梢负荷波动态势复杂，负荷曲线聚类是简化负荷波动特性分析的有效手段。针对配电网末梢负荷，主流的单日负荷曲线聚类忽略了日间波动的差异性，而采用多日负荷曲线难以达到理想的聚类效果。鉴于此，提出一种基于网络结构约简理念的多日负荷曲线聚类新思路。首先，通过水平可视图方法生成聚类用户的负荷时间序列多层伴生网络；其次，针对所建立多层伴生网络的结构冗余性进行评估并对相似层进行聚合；最后从趋势效果、波动态势和社会属性3个方面对多日负荷曲线聚类结果进行可解释性分析。算例实验表明，相比于主流聚类方法，该方法能够高效处理多日配电网末梢负荷曲线聚类问题，且具有聚类过程免调参、聚类结果可解释性强等优势。

Abstract

Under the background of new power system

load fluctuation at the end of the distribution network is complex

and load curve clustering is an effective method to simplify the analysis of load fluctuation characteristics. For the loads at the end of the distribution network

the mainstream single-day load curve clustering ignores the difference of daytime fluctuation

but the multi-day load curve is difficult to achieve the ideal clustering effect. In view of this

this paper proposes a new clustering method for multi-day load curve based on the concept of network structure reduction. Firstly

the multilayer associated load time series network of clustered users is generated by horizontal visibility graph method. Secondly

the structural redundancy of the associated multilayer network is evaluated and the similar layers are aggregated. Finally

the interpretability of the multi-day load curve clustering results is analyzed from three aspects: trend effect

fluctuation trend and social attribute. The experimental results show that

compared with the mainstream clustering methods

this method can efficiently deal with the clustering problem of multi-day load curve

and has the advantages of free parameter tuning in the clustering process and strong interpretability of the clustering results.

关键词

Keywords

references

MOTLAGH O ， BERRY A ， O’NEIL L . Clustering of residential electricity customers using load time series ［J］. Applied Energy ， 2019 ， 237 ： 11 - 24 .

顾洁，孟璐，郑睿程，等 . 考虑集群辨识的海量用户负荷分层概率预测［J］. 电力系统自动化， 2021 ， 45 （ 5 ）： 71 - 78 .

GU Jie ， MENG Lu ， ZHENG Ruicheng ， et al . Load-stratified probability forecasting for massive users considering cluster identification ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 5 ）： 71 - 78 .

宋军英，何聪，李欣然，等 . 基于特征指标降维及熵权法的日负荷曲线聚类方法［J］. 电力系统自动化， 2019 ， 43 （ 20 ）： 65 - 72 .

SONG Junying ， HE Cong ， LI Xinran ， et al . Daily load curve clustering method based on feature index dimension reduction and entropy weight method ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 20 ）： 65 - 72 .

曾博，杨雍琦，段金辉，等 . 新能源电力系统中需求侧响应关键问题及未来研究展望［J］. 电力系统自动化， 2015 ， 39 （ 17 ）： 10 - 18 .

ZENG Bo ， YANG Yongqi ， DUAN Jinhui ， et al . Key issues and research prospects for demand-side response in alternate electrical power systems with renewable energy sources ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 17 ）： 10 - 18 .

SI C ， XU S L ， WAN C ， et al . Electric load clustering in smart grid： methodologies， applications， and future trends ［J］. Journal of Modern Power Systems and Clean Energy ， 2021 ， 9 （ 2 ）： 237 - 252 .

DANG C ， WANG X F ， SHAO C C ， et al . Distributed generation planning for diversified participants in demand response to promote renewable energy integration ［J］. Journal of Modern Power Systems and Clean Energy ， 2019 ， 7 （ 6 ）： 1559 - 1572 .

HAN F J ， PU T J ， LI M Z ， et al . Short-term forecasting of individual residential load based on deep learning and K -means clustering ［J］. CSEE Journal of Power and Energy Systems ， 2021 ， 7 （ 2 ）： 261 - 269 .

XU T S ， CHIANG H D ， LIU G Y ， et al . Hierarchical K -means method for clustering large-scale advanced metering infrastructure data ［J］. IEEE Transactions on Power Delivery ， 2017 ， 32 （ 2 ）： 609 - 616 .

CELEBI M E ， KINGRAVI H A ， VELA P A . A comparative study of efficient initialization methods for the k -means clustering algorithm ［J］. Expert Systems with Applications ， 2013 ， 40 （ 1 ）： 200 - 210 .

KWAC J ， FLORA J ， RAJAGOPAL R . Household energy consumption segmentation using hourly data ［J］. IEEE Transactions on Smart Grid ， 2014 ， 5 （ 1 ）： 420 - 430 .

孙毅，顾玮，李彬，等 . 面向售电侧改革的用户分层聚类与套餐推荐方法［J］. 电网技术， 2018 ， 42 （ 2 ）： 447 - 454 .

SUN Yi ， GU Wei ， LI Bin ， et al . Electricity-retail-market-reform oriented recommendation method of user’s hierarchical clustering and pricing packages ［J］. Power System Technology ， 2018 ， 42 （ 2 ）： 447 - 454 .

徐青山，娄藕蝶，郑爱霞，等 . 基于近邻传播聚类和遗传优化的非侵入式负荷分解方法［J］. 电工技术学报， 2018 ， 33 （ 16 ）： 3868 - 3878 .

XU Qingshan ， LOU Oudie ， ZHENG Aixia ， et al . A non-intrusive load decomposition method based on affinity propagation and genetic algorithm optimization ［J］. Transactions of China Electrotechnical Society ， 2018 ， 33 （ 16 ）： 3868 - 3878 .

RAJABI A ， ESKANDARI M ， GHADI M J ， et al . A comparative study of clustering techniques for electrical load pattern segmentation ［J］. Renewable and Sustainable Energy Reviews ， 2020 ， 120 ： 109628 .

张美霞，李丽，杨秀，等 . 基于高斯混合模型聚类和多维尺度分析的负荷分类方法［J］. 电网技术， 2020 ， 44 （ 11 ）： 4283 - 4296 .

ZHANG Meixia ， LI Li ， YANG Xiu ， et al . A load classification method based on Gaussian mixture model clustering and multi-dimensional scaling analysis ［J］. Power System Technology ， 2020 ， 44 （ 11 ）： 4283 - 4296 .

LIU C ， WANG X D ， HUANG Y ， et al . A moving shape-based robust fuzzy K-modes clustering algorithm for electricity profiles ［J］. Electric Power Systems Research ， 2020 ， 187 ： 106425 .

TEERARATKUL T ， O’NEILL D ， LALL S . Shape-based approach to household electric load curve clustering and prediction ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 5 ）： 5196 - 5206 .

METS K ， DEPUYDT F ， DEVELDER C . Two-stage load pattern clustering using fast wavelet transformation ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 5 ）： 2250 - 2259 .

GIRAUD C . Introduction to high-dimensional statistics ［M］. New York， USA ： Chapman and Hall/CRC ， 2021 .

ZOU Y ， DONNER R V ， MARWAN N ， et al . Complex network approaches to nonlinear time series analysis ［J］. Physics Reports ， 2019 ， 787 ： 1 - 97 .

SILVA V F ， SILVA M E ， RIBEIRO P ， et al . Time series analysis via network science： concepts and algorithms ［J］. WIREs Data Mining and Knowledge Discovery ， 2021 ， 11 （ 3 ）： e1404 .

GAO Z K ， SMALL M ， KURTHS J . Complex network analysis of time series ［J］. EPL （Europhysics Letters）， 2016 ， 116 （ 5 ）： 50001 .

FAN X H ， LI X X ， YIN J L ， et al . Similarity and heterogeneity of price dynamics across China’s regional carbon markets： a visibility graph network approach ［J］. Applied Energy ， 2019 ， 235 ： 739 - 746 .

GONÇALVES B A ， CARPI L ， ROSSO O A ， et al . Quantifying instabilities in financial markets ［J］. Physica A： Statistical Mechanics and Its Applications ， 2019 ， 525 ： 606 - 615 .

ZHAO X J ， ZHANG P Y . Multiscale horizontal visibility entropy： measuring the temporal complexity of financial time series ［J］. Physica A： Statistical Mechanics and Its Applications ， 2020 ， 537 ： 122674 .

QI M X ， MEI L ， LI Z Y ， et al . Motif-assisted load classification： time series analysis using complex network theory ［C］// 2021 IEEE 4th International Electrical and Energy Conference ， May 28-31 ， 2021 ， Wuhan， China ： 1 - 6 .

DE DOMENICO M ， NICOSIA V ， ARENAS A ， et al . Structural reducibility of multilayer networks ［J］. Nature Communications ， 2015 ， 6 ： 6864 .

LUQUE B ， LACASA L ， BALLESTEROS F ， et al . Horizontal visibility graphs： exact results for random time series ［J］. Physical Review E， Statistical， Nonlinear， and Soft Matter Physics ， 2009 ， 80 （ 4 pt 2 ）： 046103 .

GONÇALVES B A ， CARPI L ， ROSSO O A ， et al . Time series characterization via horizontal visibility graph and Information Theory ［J］. Physica A： Statistical Mechanics and Its Applications ， 2016 ， 464 ： 93 - 102 .

LACASA L ， NICOSIA V ， LATORA V . Network structure of multivariate time series ［J］. Scientific Reports ， 2015 ， 5 ： 15508 .

ZOU Y ， DONNER R V ， MARWAN N ， et al . Long-term changes in the north-south asymmetry of solar activity： a nonlinear dynamics characterization using visibility graphs ［J］. Nonlinear Processes in Geophysics ， 2014 ， 21 （ 6 ）： 1113 - 1126 .

NIELSEN F . On a generalization of the Jensen-Shannon divergence and the Jensen-Shannon centroid ［J］. Entropy ， 2020 ， 22 （ 2 ）： 221 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据