文献类型：期刊文章

作　　者：林顺富[1] 田二伟[1] 符杨[1] 汤晓栋[2] 李东东[1] 王群京[3]

机构地区：[1]上海电力学院电气工程学院,上海市杨浦区200090 [2]上海电器科学研究所,上海市杨浦区200063 [3]安徽大学电气工程与自动化学院,安徽省合肥市230601

出　　处：《中国电机工程学报》

基　　金：国家自然科学基金项目(51207088);上海市科委科创项目(14DZ1201602);上海绿色能源并网工程技术研究中心(13DZ2251900);上海市教委曙光计划(15SG50);国网公司科技项目(SGRI-DL-71-14-004)~~

年　　份：2017

卷　　号：37

期　　号：8

起止页码：2242-2252

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：居民和商业负荷参与需求响应项目时,负荷数据日趋多维化和海量化,需要对其进行降维分类处理。提出一种基于信息熵分段聚合近似(information entropy piecewise aggregate approximation,IEPAA)和谱聚类的负荷分类方法。首先采用IEPAA对典型日负荷数据集进行可变时间分辨率重表达,进一步采用基于距离和曲线形态的双尺度相似性度量谱聚类算法进行聚类处理,从而获得合理的负荷分类结果。利用商业办公楼宇中央空调机组的典型日负荷数据对所提方法进行了验证,表明该方法在数据降维、负荷分类有效性、稳定性和降低运算量等方面均具有优势。

关 键 词：需求响应 信息熵 聚合近似  谱聚类 负荷分类

分 类 号：TM73]