面向负荷特征分析的地理分布式协同聚类方法

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K-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K-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K-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。