基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
有效地对电力负荷进行分类,可为电力系统的规划、分时电价和负荷预测等提供依据和指导,节约能源并减少了电力用户的电费.基于此,为了研究准确、合理、快速的电力负荷分类方法,提出了基于改进K-means算法的电力负荷分类方法.对电力负荷的特性进行了分析,根据其各自的特点和指标,选取日负荷曲线作为研究的特性指标.采用密度参数方法对K-means初始聚类中心的确定进行了优化,获得更接近聚类中心的初始点,为决策提供了理论指导.
推荐文章
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
基于改进磷虾群算法的K-means算法
磷虾群算法
聚类算法
精英引领
最佳聚类数
动态分群
基于MapReduce框架下K-means的改进算法
MapReduce框架
K-means算法
数据挖掘
聚类分析
基于量子蚁群改进的K-means算法
量子计算
蚂蚁算法
K-means算法
聚类分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进K-means算法的电力负荷分类研究
来源期刊 电子测量技术 学科 工学
关键词 K-means 密度参数 负荷 分类
年,卷(期) 2018,(12) 所属期刊栏目 研究与设计
研究方向 页码范围 44-48
页数 5页 分类号 TM714|TN081
字数 语种 中文
DOI 10.19651/j.cnki.emt.1801458
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱承治 43 275 8.0 16.0
2 汪志华 2 0 0.0 0.0
3 胡锋 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (152)
共引文献  (216)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(11)
  • 参考文献(0)
  • 二级参考文献(11)
2005(14)
  • 参考文献(0)
  • 二级参考文献(14)
2006(11)
  • 参考文献(0)
  • 二级参考文献(11)
2007(18)
  • 参考文献(0)
  • 二级参考文献(18)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(11)
  • 参考文献(1)
  • 二级参考文献(10)
2011(16)
  • 参考文献(0)
  • 二级参考文献(16)
2012(15)
  • 参考文献(2)
  • 二级参考文献(13)
2013(11)
  • 参考文献(1)
  • 二级参考文献(10)
2014(9)
  • 参考文献(3)
  • 二级参考文献(6)
2015(5)
  • 参考文献(5)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-means
密度参数
负荷
分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测量技术
半月刊
1002-7300
11-2175/TN
大16开
北京市东城区北河沿大街79号
2-336
1977
chi
出版文献量(篇)
9342
总下载数(次)
50
总被引数(次)
46785
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导