改进谱聚类与遗传算法相结合的电力时序曲线聚类方法

被引：21

作者：

丁明 ^{[1
]}

黄冯 ^{[1
]}

邹佳芯 ^{[2
]}

刘金山 ^{[2
]}

宋晓皖 ^{[1
]}

机构：

[1] 合肥工业大学安徽省新能源利用与节能重点实验室

[2] 国网青海省电力公司电力科学研究院青海省光伏发电并网技术重点实验室

来源：

电力自动化设备 | 2019年 / 39卷 / 02期

关键词：

时序数据; 谱聚类; 遗传算法; 特征向量提取; 负荷聚类;

D O I：

10.16081/j.issn.1006-6047.2019.02.014

中图分类号：

TM73 [电力系统的调度、管理、通信];

学科分类号：

080802 ;

摘要：

为改善传统聚类算法在电力时序数据上的聚类效果,提出一种基于优化特征向量选取的遗传谱聚类算法。针对应用数据结构特点,合理优化谱聚类算法中特征向量的提取过程,避免传统方法可能造成的数据信息缺失问题;采用遗传聚类优化算法对优选后的特征向量进行聚类划分,并将最终划分结果映射回原始数据。以UCI标准合成时间序列数据与美国区域电网运营商PJM提供的日负荷数据为例,对比分析现有常用聚类算法与所提算法测试结果的聚类有效性指标与形态特征。研究结果表明,所提算法分类效果显著,有较高的聚类质量和算法稳健性,具有工程应用前景。

引用

页码：93 / 99+114 +114

页数：8

共 16 条

[1] Spectral clustering with more than K eigenvectors [J].