为克服传统划分式聚类算法的聚类数k值难以确定以及聚类结果稳定性较差的问题,提出一种基于日负荷曲线形态距离的自适应稳健聚类方法。利用差分算法和分位数对原始日负荷曲线进行特征提取,将其转化为描述负荷曲线形态特征的离散类属性数据,用曲线形态差异度量替代对负荷数据的欧氏距离度量,避免数据标幺化可能带来的信息缺失;进一步引入特征属性加权和隶属度惩罚,根据样本形态特征,提出基于动态层次Fuzzy U-K-modes的自适应聚类算法,通过多阶段聚类和构建聚类系谱,自适应地确定聚类中心和k值,在不过多损失效率的前提下,使聚类结果的稳定性大幅提升;最后以某地区4869个用户的日负荷数据为研究对象,验证了所提算法的有效性。
类型: 期刊论文
作者: 李阳,刘友波,刘俊勇,程明畅,马铁丰,魏文涛,尹龙,宁世超
关键词: 形态距离,特征提取,差异度量,动态层次,聚类系谱图,自适应稳健聚类
来源: 中国电机工程学报 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 四川大学电气信息学院,西南财经大学统计学院
基金: 国家自然科学基金项目(51437003),国家电网公司科技项目(SGSCJY00JHJS201700009)~~
分类号: TM714
DOI: 10.13334/j.0258-8013.pcsee.171431
页码: 3409-3420
总页数: 12
文件大小: 4915K
下载量: 380
本文来源: https://www.lunwen90.cn/article/7d6274916db91fb790898141.html