面向海量用户用电特性感知的分布式聚类算法

被引：68

作者：

朱文俊 ^{[1
]}

王毅 ^{[2
]}

罗敏 ^{[3
]}

林国营 ^{[3
]}

程将南 ^{[2
]}

康重庆 ^{[2
]}

机构：

[1] 中国南方电网广东电网有限责任公司

[2] 清华大学电机工程与应用电子技术系

[3] 中国南方电网广东电网有限责任公司电力科学研究院

来源：

电力系统自动化 | 2016年 / 40卷 / 12期

关键词：

分布式聚类; 自适应k-means; 聚类算法; 大数据; 负荷曲线; 态势感知;

D O I：

暂无

中图分类号：

TM73 [电力系统的调度、管理、通信]; TP311.13 [];

学科分类号：

080802 ; 1201 ;

摘要：

智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。

引用

页码：21 / 27

页数：7

共 10 条

[1] 智能用电互动体系构架探讨 [J].