為了改善目前負荷建模中聚類方法相似度衡量不準(zhǔn)確及聚類結(jié)果質(zhì)量較差的問題,綜合運用k-means及熵權(quán)法原理,提出一種基于歐氏距離與動態(tài)時間彎曲距離的日負荷曲線聚類方法。首先,采用歐氏距離與動態(tài)時間彎曲距離分別衡量日負荷曲線的整體分布特性、局部動態(tài)特性與整體動態(tài)特性。然后,引入熵權(quán)法自適應(yīng)配置3種特性的權(quán)重系數(shù)。最后,采用k-means聚類算法,以所提相似度衡量方法為依據(jù),對用電日負荷曲線進行聚類。算例對某省區(qū)電網(wǎng)典型用戶的日負荷曲線展開聚類分析,結(jié)果表明所提方法相似度衡量指標(biāo)合理,且在聚類質(zhì)量、魯棒性等方面具有一定的優(yōu)越性,可以真實反映該地區(qū)的用戶用電特性,滿足在線負荷建模的應(yīng)用需求。

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 曲線相似度特性的量度方法
    1.1 負荷曲線相似度特性
    1.2 歐氏距離
    1.3 DTW距離
        1.3.1 DTW路徑
        1.3.2 DTW算法
2 歐氏DTW距離日負荷曲線聚類方法
    2.1 引入DTW算法的必要性分析
    2.2 曲線局部動態(tài)特性映射
    2.3 歐氏DTW距離的曲線相似性描述
    2.4 基于熵權(quán)法的權(quán)重選取
    2.5 聚類質(zhì)量檢驗指標(biāo)
    2.6 算法實現(xiàn)過程
3 算例分析
    3.1 實例檢驗與比較
    3.2 算法魯棒性分析
    3.3 相似度指標(biāo)對聚類效率的影響
    3.4 相似度權(quán)重對聚類質(zhì)量的影響
4 結(jié)語
附錄A



本文編號：3886494