摘要
本发明涉及虚拟微电网调控技术领域,公开了一种面向虚拟微电网调控的多能用户用电特性聚类方法,包括以下步骤:步骤一:对居民用户的用电行为进行时‑空特征综合精细化特征提取,精细化特征提取的三个特征分量分别为:宽域时间序列特征、动态时间弯曲距离特征和高斯模型参数特征;步骤二:提取到的时‑空特征利用k‑means++聚类算法进行多通道交互式聚类;步骤三:通过孪生神经网络对聚类结果进行智能校核;步骤四:重新合并相似的聚类;本发明通过精细化特征提取和多尺度聚合特征的提出,显著提升了聚类的精度,特别是,利用融合高斯模型对居民用户负荷特征进行提取,不仅增强了对用电行为的描述能力,还提高了聚类的准确性。
技术关键词
孪生神经网络
聚类方法
动态时间弯曲距离
微电网
全卷积神经网络
智能校核
时间序列特征
数据
聚类算法
初始聚类中心
高斯概率密度函数
度量
关键特征值
多通道
标签
特征提取方法
系统为您推荐了相关专利信息
高程反演方法
散射点
深度学习算法
宽带线性调频信号
时序
微电网
充放电策略
多尺度
充放电功率
小波变换系数
智能控制算法
动态时间弯曲距离
序列
建立特征数据库
参数
结构化查询语句
参数化模板
生成方法
计算机设备
自然语言转换