基于奇异值分解和改进FCM的日负荷聚类方法

摘要：

随着电力体制改革的不断深入,为争夺市场份额、吸引潜在用户购电并提高自身收益,售电公司愈发重视用户的用电体验.对用户日负荷曲线的聚类分析能够有效挖掘用户的用电行为特性,进而为售电公司提供决策依据.针对FCM算法运行时间较长、对初始数据敏感、容易陷入局部最优、需要人为给定类簇数以及聚类结果不稳定等问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和改进FCM的日负荷聚类方法.首先对日负荷数据进行奇异值分解降维;然后,利用KNN和DPC算法形成初始类簇中心矩阵,并在FCM算法的迭代寻优过程中通过局部密度和邻近点对隶属度进行修正;最后,以某地区工商业用户日负荷曲线进行算例分析.结果 表明,与传统聚类算法相比,该方法的聚类结果更准确、更稳定,运行速度更快.

关键词：用电行为分析、负荷曲线聚类、奇异值分解、FCM、密度峰值聚类、KNN

所属期刊栏目：41

资助基金：国网甘肃省电力公司科技项目52273018000L

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：20-26