基于无监督极限学习机的用电负荷模式提取

• 作者: 周昉昉 王德文
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 用电负荷模式 聚类分析 降维 无监督极限学习机
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 电力系统
• 页码范围: 3393-3400
• 页数: 8页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2017.1644

摘要

能源互联网的建设及发展使得用能端数据不断积累,充分利用用电信息,挖掘典型的用电负荷模式,是协调规划能源互联网并为其用户提供个性化服务的基础.用电负荷模式的提取通常以对负荷曲线进行聚类分析为基础,作为聚类算法输入的负荷曲线特征对聚类效果影响较大,高维输入容易使传统聚类算法表现不佳,对负荷曲线特征进行优化选取成为了一个重要问题.提出一种基于降维的负荷曲线聚类方法,首先用无监督极限学习机对原始负荷序列数据集进行低维嵌入,然后采用k-means算法对提取的低维特征进行聚类.给出了采用无监督极限学习机结合k-means方法进行负荷模式提取的具体流程.通过算例对比了传统k-means、其它降维算法加k-means与所提方法,实验结果证明所提方法聚类效果更好且效率较高,区分出的负荷曲线类别更能反映实际规律,得到的不同典型负荷曲线之间差异性更大.基于无监督极限学习机的聚类方法因其有效性可应用到用电负荷模式提取过程中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王德文		61	2241	26.0	47.0
2	周昉昉		1	0	0.0	0.0