结合降维技术的电力负荷曲线集成聚类算法

被引：145

作者：

张斌 ^{[1
]}

庄池杰 ^{[1
]}

胡军 ^{[1
]}

陈水明 ^{[1
]}

张明明 ^{[2
]}

王科 ^{[2
]}

曾嵘 ^{[1
]}

机构：

[1] 电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系)

[2] 南方电网科学研究院

来源：

中国电机工程学报 | 2015年 / 35卷 / 15期

关键词：

能源互联网; 电力大数据; 负荷曲线; 聚类有效性; 集成聚类算法;

D O I：

10.13334/j.0258-8013.pcsee.2015.15.001

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 ;

摘要：

电力负荷曲线聚类是配用电大数据挖掘的基础。分析3种典型聚类有效性指标,指出Davies-Bouldin有效性指标更适用于评估负荷曲线的聚类结果。研究基于层次、基于划分、基于密度、基于模型等类型的聚类算法,从聚类效率和聚类质量两方面评价各种算法。层次聚类的质量较高,效率较低;划分聚类的效率较高,质量较低。针对单一聚类算法的不足,研究基于经典聚类算法的集成聚类算法并将其应用于负荷曲线聚类。该算法包括bootstrap重采样、划分聚类、层次聚类3步,对不同规模数据集的聚类结果表明集成算法具有更好的性能,特别适用于大规模数据集聚类。针对电力负荷曲线的特征,研究多种数据集降维算法,在降维后的数据集上进行集成聚类,比较各种降维算法的信息损失和计算效率。研究结果表明,对于大规模电力负荷曲线的聚类问题,结合主成分分析降维的集成聚类算法可以取得最佳效果。

引用

页码：3741 / 3749

页数：9

共 13 条

[1] 智能电网条件下的需求响应关键技术 [J].