基于聚类分析的客户用电模式智能识别方法
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。
用电模式分析、高斯核函数平滑、聚类效果评估、聚类分析
TM714(输配电工程、电力网及电力系统)
广东省自然科学基金10151009001000045;南方电网科技项目K-GD2012-214 This work is supported by Natural Science Foundation of Guangdong Province 10151009001000045
2014-10-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
68-73