基于聚类分析的客户用电模式智能识别方法.pdf

基于聚类分析的客户用电模式智能识别方法.pdf

ID:52482818

大小:646.27 KB

页数:6页

时间:2020-03-28

基于聚类分析的客户用电模式智能识别方法.pdf_第1页
基于聚类分析的客户用电模式智能识别方法.pdf_第2页
基于聚类分析的客户用电模式智能识别方法.pdf_第3页
基于聚类分析的客户用电模式智能识别方法.pdf_第4页
基于聚类分析的客户用电模式智能识别方法.pdf_第5页
资源描述:

《基于聚类分析的客户用电模式智能识别方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第42卷第19期电力系统保护与控制VO1.42NO.192014年10月1日PowerSystemProtectionandControlOct.1.2014基于聚类分析的客户用电模式智能识别方法彭显刚,赖家文,陈奕。(1.广东工业大学自动化学院,广东广州510006;2.广东电网公司湛江供电局,广东湛江524005)摘要:结合k-means、k-medoids、SOM以及FCM等聚类算法,构建了电力大客户典型用电模式的聚类分析模型,提出了一种评估聚类效果的新方法。首先通过分析电力客户用电指标数据及其特点,提出采用高斯滤波器对含“噪声”曲线数据进

2、行平滑处理来获取客户用电数据。然后提出了聚类平均半径、平均直径和平均最小间距等3个评价指标,并以此为基础设计出一种评估聚类得分的新方法。最后使用聚类分析模型对某地区电力大客户日用电量曲线进行聚类分析,实现了地区典型用电模式的自动识别功能。实际算例分析结果表明,该评估方法物理概念清晰、简便、实用。关键词:用电模式分析;高斯核函数平滑;聚类效果评估;聚类分析ApplicationofclusteringanalysisintypicalpowerconsumptionprofileanalysisPENGXian—gang,LAIJia—wen,CH

3、ENYi(1.SchoolofAutomation,GuangdongUniversityofTechnology,Guangzhou510006,China;2.ZhanjiangPowerSupplyBureauofGuangdongPowerGridCorporation,Zhanjiang524005,China)Abstract:Inordertogainthelargepowercustomers’typicalpowerconsumptionprofilesinapowersupplyarea,anewclusteringevalu

4、ationmethodispresentedandaclusteringanalysisframeworkbasedonk-means,k-medoids,self-organizedmaps(SOM)andFuzzyC—Means(FCM)isbuilt.ItanalyzesthecharacteristicoftheelectricityconsumptiondataandusestheGaussiansmoothingmethodtoreducethenoiseinthedata.Clustersaverageradius,clusters

5、averagediameterandclustersaverageminimumdistanceareproposedandusedtodesigntheclusteringevaluationmethod.Thisframeworkisutilizedtoanalyzethedailyelectricityconsumptioncurvesofthewholecustomersinacertainarea,whichCanautomaticallyrecognizethenumberofclusters.Theresultshowsthisme

6、thodologyisclearinphysicalconception,simpleandpractica1.ThisworkissupportedbyNaturalScienceFoundationofGuangdongProvince(No.10l51009001000045).Keywords:powerconsumptionprofileanalysis;Gaussiansmoothing;clusteringevaluation;clusteringanalysis中图分类号:TM714文献标识码:A文章编号:1674-3415(20

7、14)19.0068.06用研究已涌现出大量研究成果l7。引。然而,当前所0引言提出的各种方法难以满足实际应用中的要求,主要挖掘与统计分析辖区内电力大客户的用电模原因如下:首先,若以用电指标区分客户群体,辖式有利于供电部门掌控用电群体构成及其用电特区内客户群的种类未知;第二,用电数据一般为高性,实现客户的精细化管理,提供优质的用电服务。维数据,低维聚类分析中聚类效果评估方法在高维对电力市场营销、客户精益化管理和智能用电服务数据中显得不再适用,缺乏确定群体数的有效方等方面具有重要意义_JJ。法;第三,客户用电指标数据中往往存在“噪声”,在负荷模式识

8、别领域中,研究者们普遍赞同4而它对聚类质量的影响是较严重的,应采取有效措条标准L6J:1)每个用电模式代表一类相似的用电群施进行处理。体

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。