基于DTW层次聚类算法的电力负荷数据特征研究

• 作者: 原野 田园
• 来源期刊: 自动化仪表
• 学科: 工学
• 关键词: 动态时间规整层次聚类算法 Hadoop R语言 电力负荷 变电站 MapReduce HDFS
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 数据智能
• 页码范围: 96-101
• 页数: 6页
• 分类号: TH89
• 语种: 中文
• DOI: 10.16086/j.cnki.issn1000-0380.2020050031

摘要

随着信息技术的发展,电力数据的信息化应用已成为学术界的前瞻性研究.这对于我国电力行业的转型升级意义重大.利用Hadoop平台技术与动态时间规整(DTW)层次聚类算法,构建了基于Hadoop与DTW层次聚类算法的电力负荷数据特征研究模型.该模型能够克服单一层次聚类方法对大规模数据进行聚类分析时的不足,结合Hadoop集群技术可以实现大规模电力负荷数据计算的高效率.以X省某电网某地区的大宗用户作为研究对象,选取其正常工作日的日负荷曲线数据进行试验.研究表明,该地区的大宗用户电力负荷数据可分为五大类.第一类属于大功率用户;第二类属于中等功率用户;第三类属于中小功率用户;第四、第五类均属于小功率用户,只是二者用电负荷的波峰时间不同.该研究可以为电力负荷数据特征值研究提供一定的方法参考,具有一定的学术价值.