文献类型：期刊文章

作　　者：王潇笛[1] 刘俊勇[1] 刘友波[1] 许立雄[1] 马铁丰[2] 胥威汀[3]

WANG Xiaodi;LIU Junyong;LIU Youbo;XU Lixiong;MA Tiefeng;XU Weiting(College of Electrical Engineering and Information Technology,Sichuan University,Chengdu 610065,China;School of Statistic,Southwestern University of Finance and Economics,Chengdu 611130,China;Economic Research Institute of State Grid Sichuan Electric Power Company,Chengdu 610094,China)

机构地区：[1]四川大学电气信息学院,四川省成都市610065 [2]西南财经大学统计学院,四川省成都市611130 [3]国网四川省电力公司经济技术研究院,四川省成都市610094

出　　处：《电力系统自动化》

基　　金：国家自然科学基金资助项目(51437003);国家重点研发计划资助项目(2017YFE0112600)~~

年　　份：2019

卷　　号：43

期　　号：1

起止页码：110-118

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：对海量负荷数据进行降维聚类处理是提取负荷关键信息,深度挖掘其内在规律的前提。根据负荷曲线的形态特征,文中提出了一种基于可变时间分辨率自适应分段聚合近似方法的曲线形态聚类算法。首先,根据负荷爬坡事件及基于斜率提取的边缘点来衡量负荷曲线的形态特征及其变化趋势,采用自适应分段聚合近似算法对用户日负荷数据集进行可变时间分辨率重构,进一步采用一种基于负荷曲线形态聚类的k-shape算法进行聚类处理,该聚类算法以一种基于曲线形态相似性的距离量度方式作为相似性判据,并依据斯坦纳树优化方法进行聚类中心计算。利用模拟数据、实测数据算例分析验证了所提算法在数据降维、负荷聚类中的实用性和有效性。

关 键 词：电力负荷 曲线聚类  k-shape算法  自适应分段聚合近似  

分 类 号：TM715]