改进的电力负荷曲线集成K-medoids聚类算法

论文摘要

电力负荷曲线聚类是配用电大数据挖掘的基础。针对常规K-medoids聚类算法的不足,利用CH指标和启发式方法对常规K-medoids聚类算法进行了改进,实验结果表明,改进的K-medoids聚类算法具有更高的聚类有效性,克服了传统K-medoids聚类算法由用户指定簇族数和随机选取初始质心的问题。为方便分析对22个典型用户年负荷曲线进行归一化处理,并分别采用行业性质、常规K-medoids聚类算法和改进K-medoids聚类算法对经过归一化处理的22个典型用户年负荷曲线进行分类,实验结果表明,根据年负荷曲线特性对负荷曲线进行分类相较于按行业性质对负荷曲线进行分类有更好的效果,而且改进K-medoids聚类算法相较于常规K-medoids聚类算法,能够更客观、准确地对负荷曲线进行有效分类,改进K-medoids聚类算法在电力负荷大数据挖掘具有良好的应用前景。

论文目录

• 0 引言
• 1 K-medoids算法的介绍与讨论
•   1.1 K-medoids算法
•   1.2 K-medoids算法的不足
• 2 K-medoids算法的改进
•   2.1 簇族数的确定
•   2.2 初始质心的选取
• 3 算法分析与实验结果
•   3.1 聚类有效性实验
•   3.2 典型用户年负荷曲线分类实验
•     3.2.1 按行业性质分类
•     3.2.2 常规K-medoids算法聚类分析
•     3.2.3 改进K-medoids算法聚类分析
• 4 结论

文章来源

类型: 期刊论文

作者: 王华勇,韩松,肖孝天,杨超

关键词: 电力大数据,负荷曲线,聚类分析,聚类有效性

来源: 电力科学与工程 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 贵州大学电气工程学院,贵州电网有限责任公司贵安供电局

基金: 贵州省科技厅联合资金项目(20157635)

分类号: TM714

页码: 38-43

总页数: 6

文件大小: 325K

下载量: 168