基于对称KL散度的电力用户负荷聚类方法研究

作     者：张文强 刘继文 陈静 ZHANG Wenqiang;LIU Jiwen;CHEN Jing

作者机构：国网浙江省电力有限公司海宁市供电公司浙江嘉兴314400 

出 版 物：《电工技术》 (Electric Engineering)

年 卷 期：2024年第14期

页      面：103-107页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主　　题：电力负荷 高斯混合模型 最大均值差异 KL散度 聚类 

摘      要：随着源网荷储四侧资源的建设,电力部门积累了海量用户的用电数据,如何有效挖掘这些数据的潜在信息,促进电力用户的精细化管理,是当前电力系统分析的一个重要问题。基于此,提出了基于对称KL散度(Kullback-Leibler Divergence)的电力用户负荷聚类方法。首先,利用高斯混合模型(Gaussian Mixture Model,GMM)表示用户的日常用电规律,并通过最大均值差异(Maximum Mean Discrepancy,MMD)检验模型的合理性;然后,将对称KL散度作为相似性判据,从划分聚类的角度出发,对GMM表示的电力负荷用户进行聚类;最后,以所提算法对MNIST以及某小区用户数据进行分析,实验结果表明所提方法具有可行性和有效性。