基于形态距离的日负荷数据自适应稳健聚类算法

摘要：

为克服传统划分式聚类算法的聚类数k值难以确定以及聚类结果稳定性较差的问题,提出一种基于日负荷曲线形态距离的自适应稳健聚类方法.利用差分算法和分位数对原始日负荷曲线进行特征提取,将其转化为描述负荷曲线形态特征的离散类属性数据,用曲线形态差异度量替代对负荷数据的欧氏距离度量,避免数据标幺化可能带来的信息缺失;进一步引入特征属性加权和隶属度惩罚,根据样本形态特征,提出基于动态层次Fuzzy U-K-modes的自适应聚类算法,通过多阶段聚类和构建聚类系谱,自适应地确定聚类中心和k值,在不过多损失效率的前提下,使聚类结果的稳定性大幅提升;最后以某地区4869个用户的日负荷数据为研究对象,验证了所提算法的有效性.

关键词：形态距离、特征提取、差异度量、动态层次Fuzzy U-K-modes、聚类系谱图、自适应稳健聚类

所属期刊栏目：39

分类号：TM721(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;国家电网有限公司总部科技项目

在线出版日期：2019-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：3409-3419