基于自组织映射神经网络的电力用户负荷曲线聚类

被引：44

作者：

李智勇 ^{[1
]}

吴晶莹 ^{[1
]}

吴为麟 ^{[1
]}

宋保明 ^{[2
]}

机构：

[1] 浙江大学电气工程学院

[2] 不详

来源：

电力系统自动化 | 2008年 / 15期

关键词：

数据挖掘; 电力用户; 负荷曲线; 聚类分析; 自组织映射;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

摘要：

电力用户负荷曲线的聚类是形成合理电价体系和实施负荷管理措施的基础。文中基于自组织映射(SOM)神经网络进行低压终端用户的负荷曲线聚类研究。首先定义并提取功率曲线、分时功率、功率频谱3类向量,分别作为SOM神经网络的输入进行可视化聚类。采用相对量化误差和拓扑误差2个指标表征聚类质量,选取聚类结果最好的SOM输出层结合k均值法进行用户负荷曲线划分。根据Davies指标将所研究的131条曲线划分为8类,对每类曲线进行描述。最后进行新用户的识别,结果表明聚类方法有效、可靠。

引用

页码：66 / 70+78 +78

页数：6

共 9 条

[1] 基于自组织神经网络和稳态模型的多台感应电动机聚合方法
张景超
张承学
鄢安河
张鹏飞
李奎
[J]. 电力系统自动化, 2007, (11) : 44 - 48+86
[2] 基于日负荷曲线的负荷分类和综合建模
鞠平
陈谦
熊传平
黄丽
方朝雄
陈峰
赵红嘎
戴琦
鄢安河
付红军
[J]. 电力系统自动化, 2006, (16) : 6 - 9
[3] 基于自组织模糊神经网络的汽轮发电机组振动故障诊断系统
杨苹
陈武
[J]. 电力系统自动化, 2006, (14) : 66 - 70
[4] 基于模糊聚类的电力负荷特性的分类与综合
李培强
李欣然
陈辉华
唐外文
[J]. 中国电机工程学报, 2005, (24) : 73 - 78
[5] 基于蚁群优化算法的电力系统负荷序列的聚类分析
孙雅明
王晨力
张智晟
刘尚伟
[J]. 中国电机工程学报, 2005, (18) : 40 - 45
[6] 基于数据挖掘的电力负荷脏数据动态智能清洗
张晓星
程其云
周湶
孙才新
[J]. 电力系统自动化, 2005, (08) : 60 - 64
[7] 自组织映射神经网络用于动态电压稳定分析的新方法
付英
钟德成
[J]. 电力系统自动化, 2000, (02) : 27 - 31
[8] SELF-ORGANIZED FORMATION OF TOPOLOGICALLY CORRECT FEATURE MAPS
KOHONEN, T
[J]. BIOLOGICAL CYBERNETICS, 1982, 43 (01) : 59 - 69
[9] Load profile assignment of low voltage customers for power retail market applications. Chang R F, Lu C N. lEE Proceedings Generation, Transmission and Distribution. Volume: 150, Issue: 3, 13 May . 2003

← 1 →