基于时间序列变密度处理的负荷曲线聚类分析

基于时间序列变密度处理的负荷曲线聚类分析
负荷曲线聚类是分析用户负荷特性的基础，能够从大量负荷数据中挖掘典型用电模式，了解用户电力消费的特点，对需求响应、电价设计、电网规划等应用具有重要意义。针对现有聚类方法对负荷时段特征考虑不足的问题，为提升聚类精度和满足实际应用需求，提出一种基于时间序列变密度处理的聚类方法。首先，采用线性插值法增加峰、谷、爬坡等3个关键时段数据点的密度，突出和放大其在聚类中的影响，并基于自适应分段聚合近似(adaptive piecewise aggregate approximation，APAA)降维方法减小冗余数据密度。然后，结合欧式距离和相关距离构建综合指标，对负荷曲线开展k-medoids聚类分析。最后，利用UCI数据集的居民用户实测数据对所提方法进行验证。实验结果表明，该方法能有效改善负荷聚类效果，真实反映了居民用户的用电特性。

标题：
基于时间序列变密度处理的负荷曲线聚类分析
Clustering analysis of load curve based on time series density-changing processing

作者：
郭文熙，李知艺，尹建兵，陈琳，鞠平
GUO Wenxi, LI Zhiyi, YIN Jianbing, CHEN Lin, JU Ping

关键词：
变密度;负荷聚类;关键时段;常规时段;插值法;自适应分段聚合近似(APAA)
density-changing;load clustering;critical periods;ordinary periods;interpolation;adaptive piecewise aggregate approximation (APPA)

2025-1-23 20:07 上传 基于时间序列变密度处理的负荷曲线聚类分析.pdf

文件大小:

2.99 MB

下载次数:

60

高速下载