基于改进聚类算法的地区居民阶梯电价优化调整方案

摘要

我国电力企业对居民家庭用户执行递增式的阶梯电价计费制度。阶梯电价制度根据用户在计费周期内的累计用电量水平对电费进行差异化计量,引导用户自主参与节能减排、合理规划用电行为。但是,现行的阶梯电价政策更新周期长,现有的阶梯电价研究和制定方法也存在着各自的缺陷,有必要根据区域实际情况,因地制宜设计一种新型的阶梯电价优化方案。制定居民阶梯电价方案,主要工作重点在于阶梯分档数量、阶梯电量长度和阶梯单位电价等参数的设计。智能电网的推广和大数据技术发展,引领电力行业进入到了电力大数据时代。通过挖掘电力数据信息中的隐藏信息解决实际问题,改变了以往基于现实直观或者浅层隐含信息等条件处理问题的思维模式,使得处理数据复杂、模型未知的问题成为可能。将适当的大数据分析技术运用到电力经济领域,为设计阶梯电价优化方案提供了新的思路。首先介绍了数据挖掘、聚类分析、群体智能算法等概念,根据用电量数据的特性和本文的目标任务选择采用k-means算法作为主要的数据分析方法。考虑到算法在聚类簇数选择和初始聚类中心选择等方面存在的不足之处,在借鉴其它算法优点的基础上对算法做出针对性的改进。改进的聚类算法克服随机参数设置对聚类结果的不良影响,提高了聚类结果的准确性、可靠性,为指导解决实际问题提供更可信的支撑。其次基于UCI数据集对两种改进的聚类算法进行了验证性实验。选用在样本数量、数据维度等方面具有代表性的四个数据集作为实验对象进行聚类处理,对不同类型数据集、不同改进策略的聚类算法之间交叉组合实验。通过分析相应的聚类结果,总结算法的最优使用场景,以更好地处理实际聚类问题。最后结合实际用电量数据设计居民阶梯电价优化方案。采用自适应权重PSO的k-means算法对采集到的居民家庭用户年用电量数据进行聚类分析,在最优聚类结果的基础上制定出阶梯电价的优化方案。对照现行方案表明,优化调整方案可以更好地发挥阶梯电价的调节和引导作用。优化策略简单易行、时效性好,对阶梯电价的优化研究有一定的参考价值。

目录

摘要

abstract

第1章 绪论

1.1 选题背景

1.1.1 阶梯电价的产生和现状

1.1.2 大数据在电力行业的应用

1.2 研究现状

1.3 本文的研究内容和创新点

1.4 本文的组织结构

第2章 聚类算法简介

2.1 数据挖掘和聚类分析概述

2.2 数据准备

2.2.1 数据属性和类型

2.2.2 数据相似性度量

2.2.3 数据预处理

2.2.4 数据规范化

2.3 聚类算法的类型

2.4 选用k-means算法处理用电量数据

2.4.1 k-means算法的基本原理

2.4.2 算法选择的合理性

2.5 聚类有效性检验

2.5.1 内部指标

2.5.2 外部指标

2.5.3 相对指标

2.6 本章小结

第3章 改进的k-means聚类算法

3.1 标准k-means算法的局限性

3.2 选择合适的聚类簇数

3.2.1 研究现状概述

3.2.2 肘曲线观测法

3.3 k-means+ +算法对初始聚类中心的优化

3.3.1 研究现状概述

3.3.2 k-means+ +算法选择初始聚类中心

3.4 粒子群算法对初始聚类中心的优化

3.4.1 启发式算法和群体智能算法

3.4.2 粒子群算法概述

3.4.3 粒子群算法的基本思想

3.4.4 自适应权重

3.4.5 基于自适应权重PSO的 k-means算法

3.5 本章小结

第4章 基于UCI数据集的仿真实验

4.1 实验数据

4.2 实验设计

4.3 实验结果与分析

4.3.1 实验一:验证肘曲线法选取聚类簇数

4.3.2 实验二:验证初始聚类中心优化对聚类结果的影响

4.4 本章小结

第5章 基于改进聚类的居民阶梯电价优化设计

5.1 阶梯电量的制定

5.1.1 阶梯电量的优化意义

5.1.2 模型设计

5.1.3 实例计算

5.1.4 方案比较与分析

5.2 单位阶梯电价的制定

5.2.1 电价制定方案的基本原则

5.2.2 模型设计

5.2.3 实例计算

5.2.4 方案比较与分析

5.3 优化方案总结及相关说明

5.4 本章小结

总结与展望

参考文献

攻读硕士学位期间取得的科研成果

致谢