奇异值分解方法在日负荷曲线降维聚类分析中的应用

• 作者: 史俊祎 吴浩 商佳宜 孙维真 陈烨
• 来源期刊: 电力系统自动化
• 关键词: 日负荷曲线聚类 奇异值分解 降维聚类 K-means算法 加权欧式距离 鲁棒性检验
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 研制与开发
• 页码范围: 105-111
• 页数: 7页
• 字数: 7200字
• 语种: 中文
• DOI: 10.7500/AEPS20170309008

摘要

负荷曲线聚类对负荷预测、电网规划和需求侧响应等应用有重要意义,但是海量的历史负荷曲线为数据存储和计算效率带来了挑战.为此,提出一种基于奇异值分解的日负荷曲线降维聚类方法.首先利用奇异值分解将日负荷曲线数据旋转变换至新的坐标系中,求解出的奇异值反映了相应坐标轴的重要程度.然后,将负荷曲线在各坐标轴上的坐标作为降维指标,用以反映负荷曲线的主要特征,再依据奇异值下降趋势确定指标的数目.最后,以各坐标轴对应的奇异值作为指标权重,采用基于加权欧式距离的K-means算法对日负荷曲线进行聚类.算例结果表明所提方法运行时间短、鲁棒性好,可以提高负荷曲线聚类的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴浩	浙江大学电气工程学院	43	572	13.0	23.0
2	孙维真	国网浙江省电力公司电力调度控制中心	16	109	7.0	10.0
3	史俊祎	浙江大学电气工程学院	4	83	4.0	4.0
4	陈烨	浙江大学电气工程学院	12	62	6.0	7.0
5	商佳宜		3	15	2.0	3.0