线上期刊服务咨询,发表咨询:400-808-1701 订阅咨询:400-808-1721

采用深度学习和多维模糊C均值聚类的负荷分类方法

石亮缘; 周任军; 张武军; 余虎; 李彬; 王珑 电力系统及其自动化学报 2019年第07期

摘要:为了对日趋海量的负荷数据进行有效地分类处理,提出一种采用深度学习和多维模糊C均值聚类的负荷分类方法。采用深度学习中的卷积自编码器CAEs堆叠形成深度卷积自编码网络,通过训练实现对输入的典型日负荷曲线集进行特征分层提取和降维处理。计及低维特征序列的数值维度和趋势维度,将数值序列的欧氏距离与趋势序列的改进动态时间弯曲距离相结合为多维相似性距离,作为新的相似性指标,提出一种多维模糊C均值聚类算法,用以对特征序列进行聚类分析。算例分析结果表明,所提出的方法在数据特征提取降维、负荷分类有效性、稳定性及聚类效率等方面具有较大优势,可为需求侧管理项目选择、电价制定、负荷管理优化等提供有效参考。

关键词:深度学习卷积自编码器多维特征模糊c均值聚类负荷分类

单位:湖南省清洁能源与智能电网协同创新中心(长沙理工大学); 长沙410114; 中国能源建设集团湖南省电力设计院有限公司; 长沙410007

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

电力系统及其自动化学报

北大期刊

¥408.00

关注 30人评论|1人关注