基于GMM聚类和SVM的用户负荷行业分类辨识方法

被引:23
作者
蔡秋娜
刘思捷
陆秋瑜
机构
[1] 广东电网有限责任公司电力调度控制中心
关键词
需求侧响应; 负荷分类; 负荷曲线; 支持向量机; GMM聚类;
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
用户行业分类是进行需求侧响应能力评估的前提,为此提出一种利用负荷数据进行用户行业判别的方法。对每一个用户的负荷数据采用高斯混合模型聚类算法提取其典型日负荷曲线,并利用支持向量机算法在训练集上学习用户类别与其典型日负荷曲线之间的关系,建立分类模型,并据此对新的用户进行行业分类。该方法实现了用户行业类型的高准确度辨识,为调度部门进行需求侧管理提供支撑。通过分析我国某省290个用户负荷数据,验证了该方法的有效性。
引用
收藏
页码:91 / 96
页数:6
相关论文
共 14 条
[1]
广东电力市场需求侧响应交易机制研究 [J].
杨威 ;
曾智健 ;
陈皓勇 ;
汪芳 ;
郭曼兰 .
广东电力, 2017, 30 (05) :25-34+68
[2]
基于主成分分析及系统聚类的县域电网综合评价方法 [J].
孙义豪 ;
李秋燕 ;
丁岩 ;
全少理 ;
关朝杰 ;
杨德帅 ;
胡钋 .
电力系统保护与控制, 2017, 45 (08) :30-36
[3]
基于聚类法的工业用户需求侧管理(DSM)方案分析与研究 [J].
陈明照 ;
毛坚 ;
杜宗林 ;
刘军志 .
电力系统保护与控制, 2017, 45 (07) :84-89
[4]
基于特征选择谱聚类和优化支持向量机的短期风速预测 [J].
张国维 ;
王丙乾 .
陕西电力, 2016, 44 (02) :9-14
[5]
Load Profiling and Its Application to Demand Response: A Review.[J].Yi Wang;Qixin Chen;Chongqing Kang;Mingming Zhang;Ke Wang;Yun Zhao;.Tsinghua Science and Technology.2015, 02
[6]
聚类有效性研究综述 [J].
周开乐 ;
杨善林 ;
丁帅 ;
罗贺 .
系统工程理论与实践, 2014, 34 (09) :2417-2431
[7]
需求侧响应对降低发电成本的效益估计(英文) [J].
翟桥柱 ;
王凌云 .
中国电机工程学报, 2014, 34 (07) :1198-1205
[8]
典型行业用户需求响应行为研究 [J].
张璨 ;
王蓓蓓 ;
李扬 .
华东电力, 2012, 40 (10) :1701-1705
[9]
电力用户负荷模式识别方法研究 [J].
刘丽轻 ;
丁巧林 ;
张铁峰 ;
孙金宝 .
华北电力大学学报(自然科学版), 2011, 38 (06) :29-33
[10]
改进自适应模糊C均值算法在负荷特性分类的应用 [J].
曾博 ;
张建华 ;
丁蓝 ;
董军 .
电力系统自动化, 2011, 35 (12) :42-46