谱聚类算法在家用负荷识别中的应用

被引:14
作者
王庆玉 [1 ]
张青青 [1 ]
张高峰 [1 ]
刘长树 [2 ]
吴兰旭 [2 ]
机构
[1] 国网山东省电力公司电力科学研究院
[2] 珠海泰坦科技股份有限公司
关键词
谱聚类; 负荷识别; 分步识别; 相似度; 支持率;
D O I
暂无
中图分类号
TM76 [电力系统的自动化];
学科分类号
080802 ;
摘要
家用负荷识别可提高用户对用电情况的认知度,优化用电模式,响应节能政策。提出一种分步识别的方法。识别前依据谱聚类方法得到负荷类别及其聚类中心,建立标准模板库,存储各负荷类别的特征量,特征量主要包括6项:负荷投入或者切除时刻变化的暂态有功功率、无功功率波形标幺值及各自幅值和稳态的有功功率、无功功率值。首先以综合负荷的功率变化为依据,提取负荷变化时刻及稳定运行后的功率确定特征量。第一步粗选,依据其投入或切除瞬时波形进行调整后与标准模板库波形进行匹配确定负荷所在大类;第二步精选,依据其瞬时波形幅值与稳态运行功率值与所在类别中的负荷相应特征量进行比较得到识别结果。该方法能精准确定负荷类别,简单可靠,可为家庭负荷建模提供数据支持。实例也验证了该方法的有效性。
引用
收藏
页码:119 / 123
页数:5
相关论文
共 9 条
[1]   动态终端能量管理系统及其节能削峰效益分析 [J].
刘旭娜 ;
肖先勇 ;
李长松 .
华东电力, 2012, 40 (10) :1709-1714
[2]   智能配电网信息集成需求及模型分析 [J].
陆一鸣 ;
刘东 ;
柳劲松 ;
黄玉辉 ;
凌万水 ;
顾建炜 .
电力系统自动化, 2010, 34 (08) :1-4+96
[3]   智能配电网关键技术 [J].
马其燕 ;
秦立军 .
现代电力, 2010, 27 (02) :39-44
[4]   智能电网述评 [J].
余贻鑫 ;
栾文鹏 .
中国电机工程学报, 2009, 29 (34) :1-8
[5]   谱聚类算法综述 [J].
蔡晓妍 ;
戴冠中 ;
杨黎斌 .
计算机科学, 2008, (07) :14-18
[6]   多层自动确定类别的谱聚类算法 [J].
金慧珍 ;
赵辽英 .
计算机应用, 2008, (05) :1229-1231
[7]   现代能量控制中心概念的扩展与前景展望 [J].
张伯明 .
电力系统自动化, 2003, (15) :1-6
[8]  
谱聚类集成算法研究.[M].贾建华; 著.天津大学出版社.2011,
[9]  
现代信号处理.[M].张贤达著;.清华大学出版社.2002,