一种基于PLR-DTW的日负荷曲线聚类方法

    公开(公告)号:CN112149052B

    公开(公告)日:2023-07-11

    申请号:CN202010364813.4

    申请日:2020-04-30

    Abstract: 本发明公开了一种基于PLR‑DTW的日负荷曲线聚类方法。首先,利用PLR算法对被聚类日负荷曲线数据组进行降维处理,使每条曲线根据其曲线特性自适应地降至某一维度;然后,采用密度函数从原始数据库中选取初始聚类中心曲线,并对所选聚类中心曲线进行PLR降维处理;之后采用DTW对降维后的数据组与聚类中心曲线进行相似度对比分析;最后利用k‑means算法对数据组进行划分聚类,并以聚类离散度的误差值作为算法是否得出聚类结果的判断依据,最后基于DBI指标确定最佳聚类数及相应的聚类中心曲线。本方法有效解决了降维之后维度不同的曲线间的相似度衡量问题,改善了传统聚类计算效果与效率,且聚类结果与实际工程相符,具有一定的工程价值。

    一种基于DTW的改进K-means的日负荷曲线聚类方法

    公开(公告)号:CN111199016A

    公开(公告)日:2020-05-26

    申请号:CN201911021152.9

    申请日:2019-10-25

    Abstract: 本发明公开了一种基于DTW的改进K-means的日负荷曲线聚类方法,采用密度函数分别选取初始分布特性聚类中心曲线与动态特性聚类中心曲线,并初始化聚类数目及算法迭代次数。随后,分别采用欧氏距离与DTW综合衡量负荷曲线的分布特性及动态特性,并分别以所得动态特性数值与分布特性数值对各自特性聚类中心进行更新,此过程以每条日负荷曲线分布特性与动态特性相似度衡量值的加权值作为负荷曲线关于聚类中心曲线相似度衡量的手段。最后以聚类结果与聚类离散度的误差值作为算法是否得出聚类结果的判断依据,并基于DBI指标确定最佳聚类数及相应的聚类中心曲线。本方法可以有效改善K-means聚类计算效果与效率,且聚类结果与实际工程相符,具有一定的工程价值。

    一种基于机器学习的负荷建模典型用户数据库更新方法

    公开(公告)号:CN111461921B

    公开(公告)日:2023-11-24

    申请号:CN202010240264.X

    申请日:2020-03-31

    Abstract: 本发明公开了一种基于机器学习的负荷建模典型用户数据库更新方法,首先通过将多年调查统计和负荷控制系统总结归纳得到的负荷建模典型用户数据作为历史数据,运用机器学习的思路和方法,搭建机器学习模型;然后将获得的新用户数据输入机器学习模型,得到新用户所属行业分类:接着,运用历史数据及各典型用电行业聚类中心曲线,得到历史DB指标;最后将新用户数据引入计算,对历史负荷建模典型用户数据库进行更新优化。本方法在原有负荷建模技术的基础上引入机器学习方法,能够实现对典型用户(56)对比文件李培强;李欣然;唐外文;刘艳阳.模糊C均值聚类在电力负荷建模中的应用研究.湖南大学学报(自然科学版).2006,(第03期),全文.彭勃;张逸;熊军;董树锋;李永杰.结合负荷形态指标的电力负荷曲线两步聚类算法.电力建设.2016,(第06期),全文.

    一种基于PLR-DTW的日负荷曲线聚类方法

    公开(公告)号:CN112149052A

    公开(公告)日:2020-12-29

    申请号:CN202010364813.4

    申请日:2020-04-30

    Abstract: 本发明公开了一种基于PLR‑DTW的日负荷曲线聚类方法。首先,利用PLR算法对被聚类日负荷曲线数据组进行降维处理,使每条曲线根据其曲线特性自适应地降至某一维度;然后,采用密度函数从原始数据库中选取初始聚类中心曲线,并对所选聚类中心曲线进行PLR降维处理;之后采用DTW对降维后的数据组与聚类中心曲线进行相似度对比分析;最后利用k‑means算法对数据组进行划分聚类,并以聚类离散度的误差值作为算法是否得出聚类结果的判断依据,最后基于DBI指标确定最佳聚类数及相应的聚类中心曲线。本方法有效解决了降维之后维度不同的曲线间的相似度衡量问题,改善了传统聚类计算效果与效率,且聚类结果与实际工程相符,具有一定的工程价值。

Patent Agency Ranking