融合稀疏降噪自编码与聚类算法的配电网台区分类研究

配电网台区分类研究对"煤改电"工程挖掘台区用电规律、规划电网等工作具有重要的指导意义。为了对台区进行有效处理分类,针对具有日趋复杂、大数据量、高维、非线性等特征的配电网台区变压器运行数据,文章采用基于数据驱动方式的稀疏降噪自编码器网络对台区变压器负载率数据无监督训练,自主提取特征,学习去除数据噪声,降低序列维度,然后利用K-means算法对特征序列聚类分析,得到台区类型。该模型能够很好地提取高维无标签数据特征,降低数据维度,提高聚类效率。实验结果表明,该模型在配电网台区分类应用中效果明显,且具有良好的抗噪性和泛化能力。