基于用电采集系统的负荷特性曲线聚类分析

被引：9

作者：

王春雷 ^{[1
]}

梁小放 ^{[1
]}

章坚民 ^{[2
,3
]}

张远扬 ^{[2
]}

机构：

[1] 国网浙江新昌县供电公司

[2] 杭州电子科技大学自动化学院

[3] 浙江创维自动化工程有限公司

来源：

浙江电力 | 2014年 / 33卷 / 07期

关键词：

聚类算法; K-means算法; 负荷曲线;

D O I：

10.19585/j.zjdl.2014.07.002

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：

基于用电采集系统的负荷曲线聚类分析,是获得典型负荷分布和按负荷特性对用户分类的重要手段,也是推进电力营销、配电生产与规划等精细化的重要前提。对常用的聚类方法进行了分析,采用K-means算法并编制算法程序,实际计算结果表明,此方法能获取用电负荷特性中很多有价值的认识。

引用

页码：6 / 10

页数：5

共 13 条

[1]

基于改进k-均值聚类的负荷概率模型 [J].

陈凡 ;

刘海涛 ;

黄正 ;

张雪娇 .

电力系统保护与控制, 2013, 41 (22) :128-133

[2]

一种面向需求侧管理的用户负荷形态组合分析方法 [J].

黄宇腾 ;

侯芳 ;

周勤 ;

付博 ;

郭创新 .

电力系统保护与控制, 2013, 41 (13) :20-25

[3]

基于云计算的居民用电行为分析模型研究 [J].

张素香 ;

刘建明 ;

赵丙镇 ;

曹津平 .

电网技术, 2013, 37 (06) :1542-1546

[4]

基于自适应遗传算法的负荷特性分类 [J].

白建勋 ;

杨洪耕 ;

吴传来 ;

唐山 .

电工电能新技术, 2012, (04) :92-96

[5]

K-means聚类算法研究综述 [J].

王千 ;

王成 ;

冯振元 ;

叶金凤 .

电子设计工程, 2012, (07) :21-24

[6]

k-means聚类算法在负荷曲线分类中的应用 [J].

刘莉 ;

王刚 ;

翟登辉 .

电力系统保护与控制, 2011, 39 (23) :65-68+73

[7]

基于实际负荷曲线的电力用户分类技术研究 [J].

冯晓蒲 ;

张铁峰 .

电力科学与工程, 2010, 26 (09) :18-22

[8]

基于形状相似的日负荷曲线多重聚类分析及其应用 [J].

段青 ;

赵建国 ;

罗珂 .

电气应用, 2008, (20) :53-56

[9]

地区电力用户负荷模式聚类分析应用 [J].

丁麒 ;

王光增 .

机电工程, 2008, (09) :31-33+84

[10]

数据挖掘中的聚类算法综述 [J].

贺玲 ;

吴玲达 ;

蔡益朝 .

计算机应用研究, 2007, (01) :10-13

← 1 2 →