结合负荷形态指标的电力负荷曲线两步聚类算法

被引：9

作者：

彭勃 ^{[1
]}

张逸 ^{[2
]}

熊军 ^{[3
]}

董树锋 ^{[1
]}

李永杰 ^{[1
]}

机构：

[1] 浙江大学电气工程学院

[2] 国网福建省电力有限公司电力科学研究院

[3] 国网厦门供电公司

来源：

电力建设 | 2016年 / 37卷 / 06期

关键词：

负荷聚类; 电力数据挖掘; 负荷形态; 监督学习算法;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 ;

摘要：

为改善基于欧式距离的全维度负荷曲线聚类算法在负荷形态相似度上的不足,提出了结合负荷形态特征指标的电力系统负荷曲线两步聚类算法。算法第一步采用基于欧式距离的负荷曲线聚类方法获得初步聚类结果,并通过负荷聚类评价指标选取一次聚类算法和聚类数目;第二步基于负荷形态特征指标采用监督学习算法对负荷进行重新分类。之后比较了不同算法的分类效果,最后给出了聚类结果的应用建议。算例结果表明,所提出的两步聚类算法可以改善传统的负荷曲线聚类方法在形态相似度上的不足,在二次分类方法中,支持向量机(support vector machine,SVM)算法表现较好,所提出的方法具有实际应用意义。

引用

页码：96 / 102

页数：7

共 11 条

[1] 电力用户用电数据分析技术及典型场景应用 [J].