基于信息熵分段聚合近似和谱聚类的负荷分类方法

被引：98

作者：

林顺富 ^{[1
]}

田二伟 ^{[1
]}

符杨 ^{[1
]}

汤晓栋 ^{[2
]}

李东东 ^{[1
]}

王群京 ^{[3
]}

机构：

[1] 上海电力学院电气工程学院

[2] 上海电器科学研究所

[3] 安徽大学电气工程与自动化学院

来源：

中国电机工程学报 | 2017年 / 37卷 / 08期

关键词：

需求响应; 信息熵; 聚合近似; 谱聚类; 负荷分类;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 [电力系统及其自动化];

摘要：

居民和商业负荷参与需求响应项目时,负荷数据日趋多维化和海量化,需要对其进行降维分类处理。提出一种基于信息熵分段聚合近似(information entropy piecewise aggregate approximation,IEPAA)和谱聚类的负荷分类方法。首先采用IEPAA对典型日负荷数据集进行可变时间分辨率重表达,进一步采用基于距离和曲线形态的双尺度相似性度量谱聚类算法进行聚类处理,从而获得合理的负荷分类结果。利用商业办公楼宇中央空调机组的典型日负荷数据对所提方法进行了验证,表明该方法在数据降维、负荷分类有效性、稳定性和降低运算量等方面均具有优势。

引用

页码：2242 / 2253

页数：12

共 10 条

[1]

Analytical Fitting Functions of Finite Sample Discrete Entropies of White Gaussian Noise[J] 杨正瓴;冯勇;熊定方;陈曦;张军; Transactions of Tianjin University 2015, 04

[2]

结合降维技术的电力负荷曲线集成聚类算法 [J].

张斌 ;

庄池杰 ;

胡军 ;

陈水明 ;

张明明 ;

王科 ;

曾嵘 .

中国电机工程学报, 2015, 35 (15) :3741-3749

[3]

风电功率爬坡事件预测时间窗选取建模 [J].

欧阳庭辉 ;

查晓明 ;

秦亮 ;

熊一 ;

夏添 .

中国电机工程学报, 2015, 35 (13) :3204-3210

[4]

基于云计算和量子粒子群算法的电力负荷曲线聚类算法研究 [J].

张少敏 ;

赵硕 ;

王保义 .

电力系统保护与控制, 2014, 42 (21) :93-98

[5]

电网友好型空调负荷的主动响应策略研究 [J].

张志丹 ;

黄小庆 ;

曹一家 ;

田世明 ;

刘继东 ;

彭寒梅 .

中国电机工程学报, 2014, 34 (25) :4207-4218

[6]

Spectral clustering based on matrix perturbation theory[J] TIAN Zheng1;2; LI XiaoBin1 & JU YanWei1 1 Department of Applied Mathematics; Northwestern Polytechnical University; Xi’an 710072; China; 2 National Laboratory of Pattern Recognition; Institute of Automation; Chinese Academy of Science; Beijing 100080; China Science in China(Series F:Information Sciences) 2007, 01

[7]

Overview and performance assessment of the clustering methods for electrical load pattern grouping[J] Gianfranco Chicco Energy 2011,

[8]

A tutorial on spectral clustering[J] Ulrike Luxburg Statistics and Computing 2007,

[9]

Dimensionality Reduction for Fast Similarity Search in Large Time Series Databases.[J] Eamonn Keogh;Kaushik Chakrabarti;Michael Pazzani;Sharad Mehrotra Knowl. Inf. Syst. 2001,

[10]

Non-linear dimensionality reduction techniques for unsupervised feature extraction[J] S. De Backer;A. Naud;P. Scheunders Pattern Recognition Letters 1998,

← 1 →