面向海量用户用电特性感知的分布式聚类算法

• 作者: 康重庆 朱文俊 林国营 王毅 程将南 罗敏
• 来源期刊: 电力系统自动化
• 关键词: 分布式聚类 自适应k-means 聚类算法 大数据 负荷曲线 态势感知
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 智能配电网态势感知专辑
• 页码范围: 21-27
• 页数: 7页
• 字数: 6778字
• 语种: 中文
• DOI: 10.7500/AEPS20160316007

摘要

智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知，能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而，用户用电数据一方面随时间不断更新，增长迅速，呈海量态势；另一方面，数据采集点分布在用户侧，具有极强的分散性。针对海量、分散的用电数据带来的挑战，文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析，提取各局部数据的典型负荷曲线，构建局部模型；然后利用传统聚类算法对获取的局部模型进行二次聚类分析，获取全局的典型负荷曲线，构建全局模型；最后向局部数据中心反馈全局聚类结果，实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康重庆	清华大学电机工程与应用电子技术系	154	6760	47.0	79.0
2	王毅	清华大学电机工程与应用电子技术系	91	2717	26.0	51.0
3	朱文俊		2	71	2.0	2.0
4	程将南	清华大学电机工程与应用电子技术系	3	72	3.0	3.0
5	罗敏	中国南方电网广东电网有限责任公司电力科学研究院	2	61	1.0	2.0
6	林国营	中国南方电网广东电网有限责任公司电力科学研究院	1	60	1.0	1.0