文献类型：期刊文章

作　　者：刘季昂[1] 刘友波[1] 程明畅[2] 余莉娜[3]

LIU Ji’ang;LIU Youbo;CHENG Mingchang;YU Lina(School of Electrical Engineering and Information,Sichuan University,Chengdu 610065,China;School of Statistic,Southwestern University of Finance and Economics,Chengdu 611130,China;China Three Gorges New Energy Limited Company Southwest Branch,Chengdu 610023,China)

机构地区：[1]四川大学电气信息学院,四川成都610065 [2]西南财经大学统计学院,四川成都611130 [3]中国三峡新能源有限公司西南分公司,四川成都610023

出　　处：《电力系统保护与控制》

基　　金：国家重点研发技术项目资助(2017YFE0112600)~~

年　　份：2019

卷　　号：47

期　　号：24

起止页码：15-22

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对电力负荷曲线聚类中传统的K-means算法对初始值敏感以及需给定类数目的缺陷,将一种基于分位数半径的动态K-means算法应用到日负荷曲线的聚类分析中,并进行了分布式的改进以优化计算效率。此算法结合了两种思想:分布式聚类中的局部聚类与全局聚类,以及层次K-means中以多次k取定值时K-means运算所得到的中心点来表示该类。将多次的K-means运算分配到不同子站点,并使每次K-means运算中k不断改变。再从类的几何特征出发,引入了分位数半径的概念,规定样本点与各类中心点间距的分位数表示该类的半径,于主站点中对各类的中心点间距与类的半径进行大小比较,并进行筛选融合来获得新的类,从而实现较为快速地识别类数目,并且得到新的聚类初始中心与结果。最终以某地区606个用户某月的日负荷数据为研究对象,验证了该算法在电力负荷曲线聚类分析中的有效性。

关 键 词：电力大数据  聚类分析 负荷曲线聚类  分位数半径  分布式聚类

分 类 号：TM714]