：
[0054] (1)由標準化矩陣X'計算相關系數(shù)矩陣R= (rij)9X9、巴特利球形檢驗值和KM0 檢驗值；
[0055] 在本步驟中，由X'計算指標相關系數(shù)矩陣R、巴特利球形檢驗值和KM0檢驗值，可 由常用統(tǒng)計分析軟件SPSS獲得。
[0056](2)設定標準化矩陣X'的修改條件；如果相關系數(shù)矩陣R、巴特利球形檢驗值和 KM0檢驗值同時滿足修改條件，則：
[0057] ⑴計算相關系數(shù)矩陣R的9個非負特征值AA2...，A9及對應的標準正交特 征向量 1\，t2. ..，t9;
[0058] (ii)根據(jù)步驟⑴中得出的非負特征值XA2. . .，A9及對應的標準正交特征向 量1\，T2. . .，T9計算因子載荷矩陣A:
[0059]
C6 )
[0060] (iii)根據(jù)步驟（ii)中得出的載荷矩陣計算因子的方差貢獻率，第j個因子的方 差貢獻率為因子載荷矩陣A中第j列元素的平方和，其計算公式如下：
[0061]
(7)
[0062] (iv)設定特征值閾值、累計方差貢獻率閾值和載荷值閾值，由特征值大于特征值 閾值且累計方差貢獻率大于累計方差貢獻率閾值的各公因子形成成份矩陣，選擇成份矩陣 中載荷值大于載荷值閾值的各元素作為主要因子參數(shù)；
[0063] 在一個實施例中，特征值閾值可為1，累計方差貢獻率閾值可為70%，載荷值閾值 可為0. 75。在其他實施例中，以上各閾值可為其他數(shù)值。
[0064] (V)提取X'中主要因子參數(shù)對應的列，得到修改標準化矩陣X'。
[0065] 在步驟（2)中，標準化矩陣X'的修改條件可以是：相關系數(shù)矩陣中70%以上數(shù)值 大于0. 3、巴特利球形檢驗相伴概率值小于0. 05且KM0檢驗值大于0. 5。
[0066] 步驟S04,根據(jù)變電站數(shù)目設定變電站分類數(shù)c;
[0067] 在一個實施例中，變電站分類數(shù)c可以是3~6之間的整數(shù)，且變電站數(shù)目越多， c值越大。
[0068] 步驟S05,根據(jù)修改標準化矩陣X'和變電站分類數(shù)c對變電站進行聚類劃分。
[0069] 在本步驟中，采用模糊C均值聚類算法對變電站進行聚類劃分。圖3示出了本發(fā) 明的模糊聚類方法流程圖，具體步驟如下：
[0070] (1)輸入變電站分類數(shù)C和修改標準化矩陣X';
[0071] (2)建立模糊C均值聚類算法的目標函數(shù)；
[0072] 模糊C均值聚類算法的目標函數(shù)如下：
[0075] 式中，c(c>l)是對X'進行劃分的聚類個數(shù)，m>l是模糊系；U=Ulj是一個cXn的 模糊劃分矩陣，是X'中第j個變電站樣本x屬于第i類的隸屬度值；V=[vpv2，… vj是由c個聚類中心向量構成的sXc的矩陣；(^= |Ix^v」|表示樣本點Xj到中心 距離，這里采用的是歐氏距離法。
[0076] (3)計算目標函數(shù)中的模糊劃分矩陣U和聚類中心矩陣V。
[0077]引入拉格朗日乘子并且利用極值點的kT必要條件求解上述優(yōu)化模型，具體步驟 如下：
[0078] 1)初始化各類中心VW，設置模糊指數(shù)m(l彡m< + 〇〇 )和收斂的精度e> 0,令 迭代次數(shù)k= 0 ;
[0079] 2)根據(jù)變電站分類數(shù)c、初始化的類中心Vw和模糊指數(shù)m計算模糊劃分矩陣 u(k+1)，根據(jù)標準化矩陣X'和模糊劃分矩陣U(k+1)計算聚類中心V(k+1)，令k=k+1 ;記1,= {(i，j)Ix.j= V i，1 彡i彡c}，貝丨J
[0080]
[0082] 3)判斷是否滿足收斂精度要求| |V(k)_V(k+1) | | <e，k多1;滿足則輸出分類結(jié)果， 否則重復步驟2)。
[0083] 下面結(jié)合應用實例作進一步的說明。
[0084] 以某市17個220千伏變電站作為分析對象，獲取本發(fā)明中所選的特征參數(shù)數(shù)據(jù)如 下表，基于因子分析的變電站分類方法如下：
[0085] 表1各待分析變電站指標數(shù)據(jù)單位:MVA;Mva;萬kWh
[0086]
[0087] (1)建立原始數(shù)據(jù)矩陣X:
[0088] 依據(jù)本發(fā)明所述原始數(shù)據(jù)矩陣的建立方法，得到原始數(shù)據(jù)矩陣X如下：
[0089]
[0090] (2)提取原始數(shù)據(jù)矩陣X的主要因子參數(shù)
[0091] (i)對原始數(shù)據(jù)矩陣進行標準化處理得到X'，計算各指標相關矩陣、數(shù)據(jù)的KM0 檢驗值和巴特利球形檢驗值如下：
[0092] 表2各指標相關矩陣
[0093]
[0096] 相關矩陣中70%以上數(shù)值大于0. 3,KM0檢驗值大于0. 5,巴特利球形檢驗值小于 0. 05,故9種原始指標通過校驗，可進行因子分析。
[0097] (ii)得出各因子的非負特征值、方差貢獻率及因子成份矩陣
[0098] 表4解釋的總方差
[0099]
[0100] 表5成份矩陣
[0101]
[0102] (iii)提取主要因子指標
[0103] 根據(jù)因子方差貢獻率，2個主因子的累計方差貢獻率為72. 973%，即該2個主因子 包含全部指標的72. 973%的信息。
[0104] 根據(jù)成份矩陣，主變臺數(shù)、容性補償容量、感性無功補償容量、10kV主變有功電量、 10kV主變無功電量和公因子1高度相關；電氣布置型式和公因子2高度相關；因此選擇主 變臺數(shù)、容性無功補償容量、感性無功補償容量、10kV主變有功電量、10kV主變無功電量、 電氣布置型式為待分析變電站的主要因子指標。
[0105] (3)基于因子分析法的變電站分類結(jié)果
[0106] 對X'進行修正，僅保留以上主要因子指標對應的列；根據(jù)實際需求，本實施例中 將變電站分類數(shù)設定為3,變電站分類結(jié)果如下表：
[0107] 表6變電站分類結(jié)果及指標范圍統(tǒng)計單位Mvar;萬kWh
[0108]
[0109]根據(jù)表6的分類結(jié)果可以看出：1)第I類指標特征是電氣布置型式為全戶外式 的，主變臺數(shù)、容性無功補償?shù)戎笜酥刀急容^小；2)第II類指標特征是電氣布置型式為全 戶外或者戶內(nèi)，主變臺數(shù)、容性無功補償?shù)戎笜酥刀急容^大；3)第III類指標特征是電氣布 置型式為全戶外，主變臺數(shù)、容性無功補償?shù)戎笜酥堤幱谥械?。變電站工作人員可以根據(jù)上 述三類聚類結(jié)果，預估變電站規(guī)模大小以及變電站站用電情況等，從而較快速的對數(shù)量眾 多變電站有整體的認識。
[0110] 上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的 限制，其他任何未背離本發(fā)明的精神實質(zhì)和原理下所作的修改、修飾、替代、組合、簡化，均 應為等效的置換方式，都應包含在本發(fā)明的保護范圍之內(nèi)。
[0111] 綜合上述實施例的技術方案，本發(fā)明的變電站分類方法具有如下有益效果：
[0112] 1)采用因子分析法分析多種特征參數(shù)之間的關聯(lián)性，從中提取主要因子指標作為 聚類分析的核心指標，建立了較實用、簡單、科學的特征參數(shù)篩選方法，避免大量指標造成 信息冗余，克服了電力工作人員依靠主觀經(jīng)驗進行篩選特征參數(shù)的缺陷；
[0113] 2)通過建立特征參數(shù)對變電站進行分類，將具有相似特征的變電站分為一類，最 終只需要對若干類變電站進行詳細分析，避免對大量變電站進行逐一研究，減小工作量，在 工程上有很強的實用價值；
[0114] 3)由于僅采用核心指標，本發(fā)明分類結(jié)果之間的特征明顯、界限清晰，使對大量多 指標變電站的分析工作更加高效、快速。
[0115] 本發(fā)明提供一種基于因子分析的變電站分類系統(tǒng)，包括：
[0116] 用于建立變電站的原始數(shù)據(jù)矩陣X的裝置，所述原始數(shù)據(jù)矩陣X描述待分類變電 站的特征參數(shù)；
[0117] 用于將原始數(shù)據(jù)矩陣X的所有特征參數(shù)變換為數(shù)值在0到1之間的標么值數(shù)據(jù)， 得到標準化矩陣X'的裝置；
[0118] 用于計算X'的主要因子參數(shù)，提取X'中主要因子參數(shù)對應的列，得到修改標準 化矩陣X'的裝置；
[0119] 用于設置變電站分類數(shù)c的裝置，所述變電站分類數(shù)c是對原始數(shù)據(jù)矩陣X進行 劃分的聚類個數(shù)；
[0120] 用于根據(jù)修改標準化矩陣X'和變電站分類數(shù)c對變電站進行聚類劃分的裝置。
[0121] 在一個實施例中，所述用于計算X'的主要因子參數(shù)，提取X'中主要因子參數(shù)對 應的列，得到修改標準化矩陣X'的裝置包括：
[0122] 用于由標準化矩陣X'計算相關系數(shù)矩陣R、巴特利球形檢驗值和KM0檢驗值的裝 置；
[0123] 用于設定標準化矩陣X'的修改條件的裝置；
[0124] 用于將相關系數(shù)矩陣R、巴特利球形檢驗值和KM0檢驗值與修改條件進行比較