论文摘要
电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作。结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类。首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势。
论文目录
文章来源
类型: 期刊论文
作者: 周冰钰,刘博,王丹,兰宇,马喜然,孙冬冬,霍秋屹
关键词: 用户互动,自组织中心算法,负荷数据,调节潜力指标,聚类分析
来源: 电力建设 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 天津大学智能电网教育部重点实验室,天津大学青岛海洋技术研究院
基金: 国家重点研发计划资助项目(2018YFB0905000),青岛市海洋工程装备与技术智库联合项目(201707071003)~~
分类号: TM73
页码: 68-76
总页数: 9
文件大小: 5166K
下载量: 356