面向海量用户用电特性感知的分布式聚类算法
智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。
分布式聚类、自适应k-means、聚类算法、大数据、负荷曲线、态势感知
40
TM7;F40
国家杰出青年基金资助项目51325702;中国南方电网有限责任公司科技项目GD-KJXM-20150902。@@@@This work is supported by National Science Fund for Distinguished Young Scholars51325702;China Southern Power Grid Company LimitedGD-KJXM-20150902
2016-07-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
21-27