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:
首先对原始数据进行降维和分解,接着进行聚类分析,提取典型用户的日负荷曲线,最后对某地区不同用户的电力负荷曲线进行试点和应用.研究结果表明:该聚类分析方法准确率高,可提取出4组典型负荷曲.该研究结果为电力公司提供个性化、精准性的售电服务提供了理论依据.
推荐文章
基于小波数据压缩技术的故障特征提取
故障诊断
小波变换
特征提取
基于EMD的时标特征提取方法及其在短期电力负荷预测中的应用
时标特性
特征提取
经验模式分解
短期负荷预测
基于数据挖掘的电子政务用户行为特征提取系统设计
电子政务
数据挖掘
用户端数据
特征提取
用户行为
基于FRFT的高速列车振动数据特征提取
分数阶傅里叶变换
高速列车
特征提取
状态估计
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 电力负荷数据典型特征提取
来源期刊 农村电气化 学科 工学
关键词 智能电网 SVD KL散度 电力负荷 特征提取 聚类分析
年,卷(期) 2020,(10) 所属期刊栏目 智能电网
研究方向 页码范围 35-37,43
页数 4页 分类号 TM715
字数 语种 中文
DOI 10.13882/j.cnki.ncdqh.2020.10.013
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (143)
共引文献  (310)
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)
1982(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(8)
  • 参考文献(0)
  • 二级参考文献(8)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(13)
  • 参考文献(1)
  • 二级参考文献(12)
2005(10)
  • 参考文献(0)
  • 二级参考文献(10)
2006(13)
  • 参考文献(0)
  • 二级参考文献(13)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(12)
  • 参考文献(0)
  • 二级参考文献(12)
2010(19)
  • 参考文献(2)
  • 二级参考文献(17)
2011(9)
  • 参考文献(3)
  • 二级参考文献(6)
2012(12)
  • 参考文献(2)
  • 二级参考文献(10)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(9)
  • 参考文献(1)
  • 二级参考文献(8)
2015(7)
  • 参考文献(0)
  • 二级参考文献(7)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(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
智能电网
SVD
KL散度
电力负荷
特征提取
聚类分析
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
农村电气化
月刊
1003-0867
11-2181/TM
大16开
北京市南蜂窝路5号
2-853
1979
chi
出版文献量(篇)
5987
总下载数(次)
9
论文1v1指导