文献类型：期刊文章

作　　者：陈烨[1] 吴浩[1] 史俊祎[1] 商佳宜[2] 孙维真[3]

机构地区：[1]浙江大学电气工程学院,浙江省杭州市310027 [2]国网浙江省电力公司杭州供电公司,浙江省杭州市310011 [3]国网浙江省电力公司电力调度控制中心,浙江省杭州市310007

出　　处：《电力系统自动化》

基　　金：国家自然科学基金资助项目(51377143);国家电网公司科技项目(52110415000B)~~

年　　份：2018

卷　　号：42

期　　号：3

起止页码：105-111

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：负荷曲线聚类对负荷预测、电网规划和需求侧响应等应用有重要意义,但是海量的历史负荷曲线为数据存储和计算效率带来了挑战。为此,提出一种基于奇异值分解的日负荷曲线降维聚类方法。首先利用奇异值分解将日负荷曲线数据旋转变换至新的坐标系中,求解出的奇异值反映了相应坐标轴的重要程度。然后,将负荷曲线在各坐标轴上的坐标作为降维指标,用以反映负荷曲线的主要特征,再依据奇异值下降趋势确定指标的数目。最后,以各坐标轴对应的奇异值作为指标权重,采用基于加权欧式距离的K-means算法对日负荷曲线进行聚类。算例结果表明所提方法运行时间短、鲁棒性好,可以提高负荷曲线聚类的准确性。

关 键 词：日负荷曲线聚类  奇异值分解 降维聚类  K-MEANS算法 加权欧式距离 鲁棒性检验  

分 类 号：TM714]