面向海量用户用电特性感知的分布式聚类算法

智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知，能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而，用户用电数据一方面随时间不断更新，增长迅速，呈海量态势；另一方面，数据采集点分布在用户侧，具有极强的分散性。针对海量、分散的用电数据带来的挑战，文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析，提取各局部数据的典型负荷曲线，构建局部模型；然后利用传统聚类算法对获取的局部模型进行二次聚类分析，获取全局的典型负荷曲线，构建全局模型；最后向局部数据中心反馈全局聚类结果，实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性