基于形态距离的日负荷数据自适应稳健聚类算法

被引：28

作者：

李阳 ^{[1
]}

刘友波 ^{[1
]}

刘俊勇 ^{[1
]}

程明畅 ^{[2
]}

马铁丰 ^{[2
]}

魏文涛 ^{[1
]}

尹龙 ^{[1
]}

宁世超 ^{[1
]}

机构：

[1] 四川大学电气信息学院

[2] 西南财经大学统计学院

来源：

中国电机工程学报 | 2019年 / 39卷 / 12期

关键词：

形态距离; 特征提取; 差异度量; 动态层次Fuzzy U-K-modes; 聚类系谱图; 自适应稳健聚类;

D O I：

10.13334/j.0258-8013.pcsee.171431

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 ;

摘要：

为克服传统划分式聚类算法的聚类数k值难以确定以及聚类结果稳定性较差的问题,提出一种基于日负荷曲线形态距离的自适应稳健聚类方法。利用差分算法和分位数对原始日负荷曲线进行特征提取,将其转化为描述负荷曲线形态特征的离散类属性数据,用曲线形态差异度量替代对负荷数据的欧氏距离度量,避免数据标幺化可能带来的信息缺失;进一步引入特征属性加权和隶属度惩罚,根据样本形态特征,提出基于动态层次Fuzzy U-K-modes的自适应聚类算法,通过多阶段聚类和构建聚类系谱,自适应地确定聚类中心和k值,在不过多损失效率的前提下,使聚类结果的稳定性大幅提升;最后以某地区4869个用户的日负荷数据为研究对象,验证了所提算法的有效性。

引用

页码：3409 / 3420

页数：12

共 14 条

[1] 基于agent形态特征的聚类分析研究与应用 [J].