摘要
本发明公开了一种基于分布‑动态特征指标降维的日负荷曲线聚类方法。首先,根据日负荷率、日峰谷差率等分布特征指标,提取分布特征降维数据集;然后,按照负荷高峰期、平峰期、低谷期划分采样时间段,根据相邻采样时间段采样值的差值,提取动态特征降维数据集;最后,将两类降维数据集结合,形成分布‑动态特征降维数据集,运用特性指标聚类方法(Pattern Index Clustering,PIC)对降维数据集开展聚类分析。本方法在聚类质量、鲁棒性上均具有一定优势,运算效率在可接受范围内,综合性能较好,适用于电力负荷的精准聚类。
技术关键词
负荷曲线聚类方法
分布特征
初始聚类中心
动态
时间段
指标
数据
Canopy算法
日负荷曲线
代表
对象
误差
鲁棒性
综合性
参数
电力
系统为您推荐了相关专利信息
动态优化方法
通信工程施工
多维感知数据
数字孪生体
异构传感器网络
动态构造方法
预防环境污染
实时数据
需求预测模型
优化调度策略
储能单元
光伏储能系统
功率分配方法
光伏发电功率
电压稳定
关键词
风险
预警系统
客户端访问服务器
存储管理模块