基于GMM聚类和SVM的用户负荷行业分类辨识方法

• 作者: 刘思捷 蔡秋娜 陆秋瑜
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 需求侧响应 负荷分类 负荷曲线 支持向量机 GMM聚类
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 电力系统运行与控制
• 页码范围: 91-96
• 页数: 6页
• 分类号: TM714
• 字数: 4630字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2017.012.015

摘要

用户行业分类是进行需求侧响应能力评估的前提,为此提出一种利用负荷数据进行用户行业判别的方法.对每一个用户的负荷数据采用高斯混合模型聚类算法提取其典型日负荷曲线,并利用支持向量机算法在训练集上学习用户类别与其典型日负荷曲线之间的关系,建立分类模型,并据此对新的用户进行行业分类.该方法实现了用户行业类型的高准确度辨识,为调度部门进行需求侧管理提供支撑.通过分析我国某省290个用户负荷数据,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘思捷	广东电网有限责任公司电力调度控制中心	15	176	8.0	13.0
2	蔡秋娜	广东电网有限责任公司电力调度控制中心	13	42	5.0	6.0
3	陆秋瑜	广东电网有限责任公司电力调度控制中心	10	31	3.0	5.0