一种基于多维度特征融合与动态优化的电力负荷聚类方法

本发明属于电力信息技术领域，具体涉及一种基于多维度特征融合与动态优化的电力负荷聚类方法，包括：获取负荷数据，对负荷数据进行预处理；基于预处理后的负荷数据，提取不同时间尺度的时域特征和频域特征，构建多尺度时频域融合特征；改进随机森林的无监督重要性评估模型，使用Kmeans算法生成伪标签，训练改进后的随机森林的无监督重要性评估模型，更新特征重要性排序；基于更新后的特征重要性排序，得到负荷特征矩阵，通过降维得到新的负荷特征矩阵，计算不同时间尺度特征的权重；基于不同时间尺度特征的权重，定义加权DTW距离，使用GEP算法初始化聚类中心，基于Kmeans算法进行负荷聚类，输出最终的负荷模式标签。