基于KPCA和改进K-means的电力负荷曲线聚类方法

被引：44

作者：

梁京章 ^{[1
]}

黄星舒 ^{[1
]}

吴丽娟 ^{[2
]}

熊小萍 ^{[1
]}

机构：

[1] 广西大学电气工程学院

[2] 广西大学信息网络中心

来源：

华南理工大学学报(自然科学版) | 2020年 / 48卷 / 06期

关键词：

电力负荷曲线; DK-means算法; 核主成分分析; 降维; 聚类;

D O I：

暂无

中图分类号：

TM73 [电力系统的调度、管理、通信]; TP311.13 [];

学科分类号：

120103 [信息系统与信息管理];

摘要：

为了提高电力负荷曲线聚类精度,文中提出了一种基于核主成分分析(KPCA)和改进K-means算法的电力负荷曲线聚类方法。该方法首先在划分聚类算法K-means基础上融入密度聚类思想,提出了融合密度思想的K-means算法(DK-means算法),并在电力负荷曲线实验集上对比分析其聚类效果;接着在实验集上比较各种降维算法的降维聚类精度和降维速度;最后分析KPCA+DK-means组合算法的降维聚类能力。结果表明,戴维森堡丁指数(DBI)更适合作为电力负荷曲线聚类评价指标;以DBI为评价指标,与K-means、BIRCH、DBSCAN和EnsClust 4种聚类算法相比,DK-means的聚类精度更高;与LLE、MDS、ISOMAP 3种非线性降维算法相比,KPCA的降维速度更快;KPCA+DK-means组合算法有良好的降维聚类能力,较DK-means在聚类精度和聚类效率上均有提升。KPCA+DK-means组合算法可以实现电力负荷曲线的高效降维、精确聚类,对用电行为模式的准确提取起关键技术支持作用。

引用

页码：143 / 150

页数：8

共 12 条

[1]

基于K-means聚类组合模型的公交线路客流短时预测 [J].