文献类型：期刊文章

作　　者：党倩[1] 崔阿军[2] 尚闻博[1] 杨波[2] 卫祥[1]

DANG Qian;CUI Ajun;SHANG Wenbo;YANG Bo;WEI Xiang(State Grid Gansu Information & Telecommunications Company, Lanzhou 730050, China;State Grid Gansu Electric Power Corporation, Lanzhou 730000, China)

机构地区：[1]国网甘肃省电力公司信息通信公司,兰州730050 [2]国网甘肃省电力公司,兰州730000

出　　处：《西安交通大学学报》

基　　金：国网甘肃省电力公司科学技术项目(522723191004)。

年　　份：2022

卷　　号：56

期　　号：1

起止页码：165-176

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为提取电力负荷数据的有效信息,改善传统聚类方法在电力负荷数据中相似度衡量方式单一及聚类效果较差的问题,提出一种采用欧式形态距离的负荷曲线近邻传播(AP)聚类方法。使用五分位法将用电负荷曲线重表达为曲线形态变化特征序列,使用改进最长公共子序列算法衡量不同特征序列之间的模式匹配度,以此作为曲线之间的差异度;构造一种兼顾曲线整体分布特征和曲线形态变化特征的双尺度相似性度量方法,使用熵权法对两种特征进行自适应配比;将所提相似度衡量方法应用到AP聚类方法中,改进相似度矩阵计算方法,对用户典型日用电负荷曲线进行聚类。在标准合成时间序列数据集上进行了实验对比,结果表明:欧式形态距离度量方法能够有效区分负荷曲线的变化特征;所提方法具有较高的聚类质量和稳健性,相比其他相似度量方法,调整兰德系数提高了9.0%~43.8%,DB指标与标准集相差0.0143,在电力实测数据集上能对用户进行合理划分。

关 键 词：智能电网 双尺度相似性度量  曲线形态变化特征  负荷聚类  五分位法  

分 类 号：TM714]