基于小波变换和改进快速密度峰值聚类算法的负荷曲线聚类研究

负荷曲线聚类分析是智能电网大数据研究的重要组成部分,是负荷预测、需求侧响应、电网规划、经济运行、费率制定、能效提升等研究与工作的基础。文章利用离散小波变换提取用户负荷数据多时间尺度特征,进而对负荷数据进行聚类分析。针对快速密度峰值聚类算法中局部密度依赖于截断距离和需要人为识别决策图中聚类中心的不足,利用K近邻(K-Nearest Neighbors,KNN)算法的思想重新定义局部密度和距离,并根据向外统计检验的方法实现聚类中心的自动选取。基于某省某行业用户实际负荷数据进行实验,结果将该行业负荷曲线分为正常生产型、双峰型、夜晚生产型、白天生产型、晚高峰型、早高峰型6类,表明了该算法的有效性。