10.13335/j.1000-3673.pst.2019.1929
基于高斯混合模型聚类和多维尺度分析的负荷分类方法
针对传统聚类方法存在聚类“硬分配”的局限性,及其面对海量数据集难以同时满足聚类效率与聚类精度要求的问题,文章提出一种基于高斯混合模型聚类和多维尺度分析的负荷分类方法,对负荷数据进行多维尺度分析降维后,输入高斯混合模型聚类算法中,实现大规模负荷数据集的分类.基于Rstudio工具对上海市办公、商场、宾馆和综合型楼宇各一栋的负荷(2015-2017年每小时用电负荷)进行分类,并将该方法与K-Means、模糊聚类、层次聚类和高斯混合模型聚类等方法比较.此外以降维速率、降维质量、降维损失和聚类质量为评价指标,将多维尺度分析与高斯混合模型聚类的结合与t分布随机邻域嵌入、主成分分析与高斯混合模型聚类的结合进行比较.结果 表明,该研究提出的分类方法不仅有效精细地实现了楼宇负荷分类,且能够有效节约计算成本,提高运算效率.
高斯混合模型聚类、多维尺度分析、负荷分类、聚类分析、楼宇负荷、降维评估
44
TM721(输配电工程、电力网及电力系统)
国家自然科学基金;上海市科委项目
2020-11-30(万方平台首次上网日期,不代表论文的发表时间)
共11页
4283-4293