K-means改进算法在电力用户聚类辨识中的应用

• 作者: 孙宇军 张朝鑫 李秋硕 王岩 肖勇
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 配电网 K-means算法 分类辨识 自聚类算法 准确性
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 应用技术
• 页码范围: 108-112,117
• 页数: 6页
• 分类号: TP399
• 字数: 4602字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.10.026

摘要

科学、准确的用户用电特征分析对掌握负荷发展变化规律,提高电力需求预测的准确性,保障系统规划和经济运行具有重要意义.文中在对K-means算法深入研究的基础上,结合电力负荷数据海量、多维等特点,通过归一化处理,异常数据剔除,改进的二分K-means算法进行自聚类,对各优化算法进行分析,克服了传统K-means算法对异常数据敏感和初始聚类中心的随机性问题.实验结果表明,优化的自聚类算法能够提高分类的准确性,提高收敛效率,实现用户数据特征自动辨识分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖勇		46	297	9.0	16.0
2	王岩		11	65	4.0	8.0
3	孙宇军		9	65	4.0	8.0
4	李秋硕		7	86	6.0	7.0
5	张朝鑫		1	6	1.0	1.0