基于自组织映射神经网络的电力用户负荷曲线聚类

• 作者: 吴为麟 吴晶莹 宋保明 李智勇
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 数据挖掘 电力用户 负荷曲线 聚类分析 自组织映射
• 年，卷（期）: 2008,（15）
• 所属期刊栏目: 研制与开发
• 页码范围: 66-70,78
• 页数: 6页
• 分类号: TM714|TP18
• 字数: 4070字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2008.15.015

摘要

电力用户负荷曲线的聚类是形成合理电价体系和实施负荷管理措施的基础.文中基于自组织映射(SOM)神经网络进行低压终端用户的负荷曲线聚类研究.首先定义并提取功率曲线、分时功率、功率频谱3类向量,分别作为SOM神经网络的输入进行可视化聚类.采用相对量化误差和拓扑误差2个指标表征聚类质量,选取聚类结果最好的SOM输出层结合k均值法进行用户负荷曲线划分.根据Davies指标将所研究的131条曲线划分为8类,对每类曲线进行描述.最后进行新用户的识别,结果表明聚类方法有效、可靠.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴为麟	浙江大学电气工程学院	83	1058	20.0	28.0
2	李智勇	浙江大学电气工程学院	11	213	7.0	11.0
3	吴晶莹	浙江大学电气工程学院	5	74	2.0	5.0
4	宋保明		1	67	1.0	1.0