基于分位数半径动态K-means的分布式负荷聚类算法

被引：32

作者：

刘季昂 ^{[1
]}

刘友波 ^{[1
]}

程明畅 ^{[2
]}

余莉娜 ^{[3
]}

机构：

[1] 四川大学电气信息学院

[2] 西南财经大学统计学院

[3] 中国三峡新能源有限公司西南分公司

来源：

电力系统保护与控制 | 2019年 / 47卷 / 24期

关键词：

电力大数据; 聚类分析; 负荷曲线聚类; 分位数半径; 分布式聚类;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对电力负荷曲线聚类中传统的K-means算法对初始值敏感以及需给定类数目的缺陷,将一种基于分位数半径的动态K-means算法应用到日负荷曲线的聚类分析中,并进行了分布式的改进以优化计算效率。此算法结合了两种思想:分布式聚类中的局部聚类与全局聚类,以及层次K-means中以多次k取定值时K-means运算所得到的中心点来表示该类。将多次的K-means运算分配到不同子站点,并使每次K-means运算中k不断改变。再从类的几何特征出发,引入了分位数半径的概念,规定样本点与各类中心点间距的分位数表示该类的半径,于主站点中对各类的中心点间距与类的半径进行大小比较,并进行筛选融合来获得新的类,从而实现较为快速地识别类数目,并且得到新的聚类初始中心与结果。最终以某地区606个用户某月的日负荷数据为研究对象,验证了该算法在电力负荷曲线聚类分析中的有效性。

引用

页码：15 / 22

页数：8

共 10 条

[1]

基于改进快速密度峰值算法的电力负荷曲线聚类分析 [J].