张涵羽,冯忠义,景威鹏,李斌,李欣欣,姚志安

• 1:国网山西省电力公司吕梁供电公司
• 2:泰豪软件股份有限公司

摘要(Abstract)：

研究电力用户的用能模式,制定相应的激励政策,引导用户参与需求侧响应,对保证电网的安全经济运行和提升用户服务质量具有重要的意义。通过稀疏自编码器将高维的电力负荷数据进行降维,在二维空间中通过DBSCAN聚类发现离群点以剔除随机事件导致的数据干扰,基于动态时间规整距离的改进k-均值聚类分析,从而实现更准确和可靠的用电模式识别。通过3个指标对不同聚类方法的有效性进行了对比分析,结果表明:该方法能够提供更准确和稳定的聚类效果。

关键词(KeyWords)： 电力负荷;模式识别;稀疏编码;密度聚类

Abstract:

Keywords:

基金项目(Foundation): 山西省电力公司科技项目“基于互联网平台的电力用户用能特性数据挖掘机用能服务策略研究”(2700/2020-15002B)

作者(Author): 张涵羽,冯忠义,景威鹏,李斌,李欣欣,姚志安

DOI: 10.13928/j.cnki.wrahe.2021.S2.065

参考文献(References)：

• [1] RHODES J D,COLE W J,UPSHAW C R,et al.Clustering analysis of residential electricity demand profiles[J].Applied Energy,2014,135(15):461-471.
• [2] 李玉娇，黄青平，刘松，等.基于聚类融合技术的电力用户负荷模式提取方法[J].电测与仪表，2018,55(16):137-141.
• [3] 徐胜蓝，司曹明哲，万灿，等.考虑双尺度相似性的负荷曲线集成谱聚类算法[J].电力系统自动化，2020,44(22):152-160.
• [4] 金伟超，张旭，刘晟源，等.基于剪枝策略和密度峰值聚类的行业典型负荷曲线辨识[J].电力系统自动化，2021,45(4):20-28.
• [5] 李永通，陶顺，赵蕾，等.基于短时间尺度相关性聚类的负荷预测[J].电测与仪表，2019,56(16):32-38.
• [6] 郑思达，梁琪琳，彭鑫霞，等.基于模糊聚类的异常用电行为识别研究[J].电测与仪表，2020,57(19):40-44.
• [7] 王成亮，郑海雁.基于模糊聚类的电力客户用电行为模式画像[J].电测与仪表，2018,55(18):77-81.
• [8] 马冲.基于用户用电特性的分时电价优化研究[D].北京：华北电力大学，2019.
• [9] 彭显刚，赖家文，陈奕.基于聚类分析的客户用电模式智能识别方法[J].电力系统保护与控制，2014,42(19):68-73.
• [10] NDIAYE D,GABRIEL K.Principal component analysis of the electricity consumption in residential dwellings[J].Energy & Buildings,2011,43(2-3):446-453.
• [11] KOIVISTO M,HEINE P,MELLIN I,et al.Clustering of connection points and load modeling in distribution systems[J].IEEE Transactions on Power Systems,2013,28(2):1255-1265.
• [12] 徐毅，吴鸣，李广玮，等.基于多维缩放的日负荷曲线聚类分析[J/OL].电测与仪表：1-8 [2020-12-06].http://kns.cnki.net/kcms/detail/23.1202.TH.20200806.1640.016.html.
• [13] ARECHIGA A,BAROCIO E,AYON J J,et al.Comparison of dimensionality reduction techniques for clustering and visualization of load profiles//Transmission & Distribution Conference & Exposition-Latin America[C].IEEE,2017.
• [14] 时磊，虢韬，彭赤，等.电力线激光点云的分割及安全检测研究[J].激光技术，2019,43(3):341-346.
• [15] 许成志.基于云理论的短期风电功率预测及不确定性分析方法研究[D].北京：华北电力大学，2018.