文献类型：期刊文章

作　　者：周冰钰[1,2] 刘博[1] 王丹[1,2] 兰宇[1] 马喜然[1,2] 孙冬冬[1,2] 霍秋屹[1,2]

ZHOU Bingyu;LIU Bo;WANG Dan;LAN Yu;M A Xiran;SUN Dongdong;HUO Qiuyi;Key Laboratory of Smart Grid of Ministry of Education,Tianjin University;Qingdao Institute for Ocean Technology of Tianjin University(Key Laboratory of Smart Grid of Ministry of Education,Tianjin University,Tianjin 300072,China;Qingdao Institute for Ocean Technology of Tianjin University,Qingdao 266235,Shandong Province,China)

机构地区：[1]天津大学智能电网教育部重点实验室,天津市300072 [2]天津大学青岛海洋技术研究院,山东省青岛市266235

出　　处：《电力建设》

基　　金：国家重点研发计划资助项目(2018YFB0905000);青岛市海洋工程装备与技术智库联合项目(201707071003)~~

年　　份：2019

卷　　号：40

期　　号：1

起止页码：68-76

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作。结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类。首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势。

关 键 词：用户互动  自组织中心K-means算法  负荷数据 调节潜力指标  聚类分析

分 类 号：TM73]