采用欧式形态距离的负荷曲线近邻传播聚类方法
Affinity Propagation Clustering Method of Typical Load Curve with Euclidean Morphological Distance作者机构:国网甘肃省电力公司信息通信公司兰州730050 国网甘肃省电力公司兰州730000
出 版 物:《西安交通大学学报》 (Journal of Xi'an Jiaotong University)
年 卷 期:2022年第56卷第1期
页 面:165-176页
核心收录:
学科分类:0402[教育学-心理学(可授教育学、理学学位)] 0303[法学-社会学] 0710[理学-生物学] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国网甘肃省电力公司科学技术项目(522723191004)。
主 题: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
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。