基于深度聚类的居民用户电力负载模式识别

摘要：

电力用户负载模式的识别有利于引导用户参与需求侧管理,提高能源的利用效率.面对电力负荷数据日趋海量的情况,传统K-Means算法无法有效处理,且存在无法准确衡量高维电力数据距离、对噪声和异常数据敏感等问题,文章提出一种基于自编码器(auto-encoder,AE)与K-Means算法结合的方法.首先利用自编码器来提取出电力数据潜在的特征,然后利用K-Means算法对提取出的抽象特征进行聚类,最后利用自编码器与聚类的联合误差优化整个模型,使聚类效果更好.通过英国电力网络领导的低碳项目中伦敦家庭的电力数据集来验证方法效果,证明该方法能提供准确的聚类结果,有效分析出不同类型的负载模式.

关键词：负载模式识别、自编码器、K-Means算法、数据集、深度聚类

所属期刊栏目：12

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：安徽省大学生创新创业训练计划项目S202110359179

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：29-33,37