基于自组织中心K-means 算法的用户互动用电行为聚类分析

• 作者: 兰宇 刘博 周冰钰 孙冬冬 王丹 霍秋屹 马喜然
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 用户互动 自组织中心K-means算法 负荷数据 调节潜力指标 聚类分析
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 智能电网
• 页码范围: 68-76
• 页数: 9页
• 分类号: TM714
• 字数: 8862字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2019.01.009

摘要

电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作.结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类.首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势.