基于haar小波编码和改进K-medoids算法聚合的用户负荷典型区间场景挖掘

摘要：

针对单一典型曲线无法满足负荷不确定性分析需求的问题,提出一种基于haar小波编码和改进K-medoids算法聚合的用户负荷典型区间场景挖掘方法.将原始负荷曲线经haar小波变换得到低维负荷近似序列;对负荷近似序列每个维度的特征集分别进行聚类,提取类簇所包含特征的边界值,得到数值区间并进行编码;根据特征占比剔除非显著数值区间,并组合不同维度的显著数值区间得到字符串表征的负荷区间序列;定义字符串差异度衡量负荷区间序列的相似性,利用改进K-medoids算法聚合得到负荷区间序列类簇,并提取类簇所包含的负荷近似序列的边界值以得到典型区间场景;设置差异度阈值实现典型区间场景的粒度调节.使用爱尔兰地区某用户实测负荷数据进行验证,实验结果表明所提方法可以实现不同粒度负荷典型区间场景的挖掘.

关键词：典型区间场景、负荷近似序列、haar小波变换、区间编码、K-me

所属期刊栏目：42

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;福建省自然科学基金重点资助项目;福州市科技平台创新项目

在线出版日期：2022-06-22（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：154-160