期刊文章详细信息
基于LSTM自动编码器的电力负荷聚类建模及特性分析 ( EI收录)
Clustering Modeling and Characteristic Analysis of Power Load Based on Long-short-term Memory Auto-encoder
文献类型:期刊文章
PANG Chuanjun;YU Jianming;FENG Changyou;LIU Yan;JIAN Yefeng(NARI Group Corporation(State Grid Electric Power Research Institute),Nanjing 211106,China;Beijing Kedong Electric Power Control System Co.,Ltd.,Beijing 100192,China;National Electric Power Dispatching and Control Center,State Grid Corporation of China,Beijing 100031,China;Stale Grid Jiangsu Electric Power Co.,Ltd.,Nanjing 210024,China)
机构地区:[1]南瑞集团有限公司(国网电力科学研究院有限公司),江苏省南京市211106 [2]北京科东电力控制系统有限责任公司,北京市100192 [3]国家电网有限公司国家电力调度控制中心,北京市100031 [4]国网江苏省电力有限公司,江苏省南京市210024
基 金:国家电网公司科技项目(5100-201940013A-0-0-00)。
年 份:2020
卷 号:44
期 号:23
起止页码:57-63
语 种:中文
收录情况:AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊
摘 要:电力系统负荷聚类和特性分析对电网的安全与经济调度、运行具有重要意义,是提升调度人员对电网感知能力的重要技术手段。为了解决传统负荷聚类方法需要人工设定负荷特征指标和无法考虑负荷时序特性等问题,提出了一种由长短期记忆(LSTM)自动编码器构成的负荷聚类方法。利用LSTM的时序记忆能力和自动编码器的非线性特征提取能力,实现了考虑负荷时序特性的自动特征提取和非线性降维。然后,基于提取的负荷特征采用k-means聚类算法进行电力负荷聚类分析。最后,采用实际供电区域的负荷数据进行验证,并对负荷特性进行详细的分析。结果表明所提方法与其他负荷特征提取方法相比,有较好的负荷聚类效果。
关 键 词:负荷聚类 负荷特征 长短期记忆 自动编码器
分 类 号:TM714] TN762]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...