隨著人類智慧的發(fā)展、科學(xué)技術(shù)的不斷創(chuàng)新,新舊技術(shù)的更新?lián)Q代,使得通信技術(shù)領(lǐng)域也有了一定程度的提升,這使得人們能夠在日常生活中,通過不同的渠道獲取各種類型的信息,同時(shí)這些信息也通過不同手段被轉(zhuǎn)化為各種數(shù)字形式呈現(xiàn)并傳遞。同樣的,隨著技術(shù)水平的不斷上升,電力服務(wù)的發(fā)展和電力市場的興起,相關(guān)電力企業(yè)的各類數(shù)據(jù)也越來越數(shù)字和信息化。智配電網(wǎng)使電力行業(yè)收集的數(shù)據(jù)量從TB增長到PB。終端更頻繁地收集數(shù)據(jù),使得數(shù)據(jù)的形式更廣泛,加上行業(yè)朝著智能、精益開發(fā)的趨勢發(fā)展,異構(gòu)數(shù)據(jù)集成,數(shù)據(jù)量的增長帶來了對其快速高效處理的迫切需求。高可伸縮性以及高效,準(zhǔn)確的負(fù)荷模式分析和處理等挑戰(zhàn)也已然成為數(shù)據(jù)挖掘研究的前沿。因此,充分發(fā)揮機(jī)器學(xué)習(xí)中人工智能和數(shù)據(jù)挖掘算法的作用,能夠及時(shí)對海量電力數(shù)據(jù)進(jìn)行處理,并從中獲得有價(jià)值的信息。對電力負(fù)荷大數(shù)據(jù)進(jìn)行準(zhǔn)確、高效的負(fù)荷模式識別,是支持電網(wǎng)安全可靠經(jīng)濟(jì)運(yùn)行不可缺的基礎(chǔ)工作。目前海量電力負(fù)荷數(shù)據(jù)高維特征量處理較為困難,為順應(yīng)實(shí)際應(yīng)用對電力負(fù)荷模式識別效率和準(zhǔn)確率的要求,本文提出一種基于特性指標(biāo)降維和改進(jìn)熵權(quán)法的電力負(fù)荷模式識別算法。首先,介紹了研究電力負(fù)荷模式識別的目的及意義... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：108 頁

【學(xué)位級別】：碩士

【部分圖文】：

負(fù)荷模式識別模型流程圖

第二章電力負(fù)荷數(shù)據(jù)分析及處理11第二章電力負(fù)荷數(shù)據(jù)分析及處理2.1電力負(fù)荷數(shù)據(jù)來源和特點(diǎn)在智能電網(wǎng)環(huán)境下，大量的負(fù)荷數(shù)據(jù)將由先進(jìn)的負(fù)荷測量設(shè)備進(jìn)行測量和采集。所采集的負(fù)荷數(shù)據(jù)規(guī)模將更大，結(jié)構(gòu)復(fù)雜多樣、維數(shù)高。此外，智能電網(wǎng)環(huán)境下的負(fù)荷數(shù)據(jù)形式實(shí)時(shí)動態(tài)變化，將更加靈活。智能電網(wǎng)環(huán)境下的數(shù)據(jù)傳輸與采集如圖2-1所示。圖2-1智能電網(wǎng)環(huán)境下的數(shù)據(jù)傳輸與采集在智能電網(wǎng)當(dāng)中，電網(wǎng)數(shù)據(jù)來源可分為電網(wǎng)內(nèi)部數(shù)據(jù)及電網(wǎng)外部數(shù)據(jù)，都可以通過傳感器、智能采集設(shè)備以及移動終端等各類信息渠道來獲取，具體類型如下圖2-2所示。電網(wǎng)內(nèi)部數(shù)據(jù)通過配電系統(tǒng)、地理信息系統(tǒng)、數(shù)據(jù)采集與監(jiān)控系統(tǒng)及用電信息采集系統(tǒng)等渠道，可獲得電壓、電流、有功、無功電量，功率因素及負(fù)荷總量等類型數(shù)據(jù)；電網(wǎng)外部數(shù)據(jù)通過政府、電力用戶（包括工業(yè)、農(nóng)業(yè)、商業(yè)及家庭等）和第三方等渠道，可獲得基于日、月和年用電量等類型數(shù)據(jù)。

第三章負(fù)荷模式分類標(biāo)簽獲取及分類數(shù)確定23我們應(yīng)該注意，將一種聚類方法用于負(fù)荷分類時(shí)，沒有一種總是比其他聚類方法優(yōu)越，因?yàn)樗鼈円部梢员挥糜谄渌麘?yīng)用程序。有些方法比其他方法更常用來進(jìn)行負(fù)荷分類，因?yàn)樗鼈兏子诓僮骰蚩梢缘玫礁玫慕Y(jié)果。以此在對數(shù)據(jù)進(jìn)行聚類時(shí)，需要選擇合適的聚類算法來完成。通過這些聚類算法，可以將電力負(fù)荷數(shù)據(jù)完成聚類，得到不同種類的電力負(fù)荷模式，以文獻(xiàn)[47]為例子說明。其中圖3-2為采集的電力負(fù)荷數(shù)據(jù)標(biāo)準(zhǔn)化后生成的日負(fù)荷曲線，圖3-3是經(jīng)過聚類算法得到的聚類結(jié)果，圖3-4是通過聚類最終得到的負(fù)荷模式。這三個圖中橫坐標(biāo)為采樣時(shí)間，縱坐標(biāo)為負(fù)荷量。圖3-2標(biāo)準(zhǔn)化后的日負(fù)荷曲線圖3-3聚類結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于深度置信網(wǎng)絡(luò)的電力負(fù)荷識別[J]. 徐春華,陳克緒,馬建,劉佳翰,吳建華.  電工技術(shù)學(xué)報(bào). 2019(19)
[2]基于特征指標(biāo)降維及熵權(quán)法的日負(fù)荷曲線聚類方法[J]. 宋軍英,何聰,李欣然,劉志剛,湯杰,鐘偉.  電力系統(tǒng)自動化. 2019(20)
[3]電力用戶行為模型:基本概念與研究框架[J]. 王毅,張寧,康重慶,奚巍民,霍沫霖.  電工技術(shù)學(xué)報(bào). 2019(10)
[4]基于優(yōu)化SAX和帶權(quán)負(fù)荷特性指標(biāo)的AP聚類用戶用電行為分析[J]. 李春燕,蔡文悅,趙溶生,余長青,張謙.  電工技術(shù)學(xué)報(bào). 2019(S1)
[5]基于K-鄰近法的電網(wǎng)關(guān)鍵斷面在線分布式發(fā)現(xiàn)方法[J]. 王彬,郭文鑫,劉文濤,盧建剛,向德軍,周哲民,余志文.  電力系統(tǒng)保護(hù)與控制. 2019(07)
[6]結(jié)合半監(jiān)督聚類和加權(quán)KNN的協(xié)同訓(xùn)練方法[J]. 龔彥鷺,呂佳.  計(jì)算機(jī)工程與應(yīng)用. 2019(22)
[7]一種改進(jìn)的最鄰近分類算法[J]. 鞠冬彬,趙憲佳.  信息通信. 2018(12)
[8]一種融合降維和聚類的電力用戶高效分類方法[J]. 李青,齊林海,田璐,王紅,田世明,卜凡鵬.  電力信息與通信技術(shù). 2018(11)
[9]大數(shù)據(jù)用戶偏好信息全局降維算法研究[J]. 鄭羽潔.  廣西民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]基于改進(jìn)快速密度峰值算法的電力負(fù)荷曲線聚類分析[J]. 陳俊藝,丁堅(jiān)勇,田世明,卜凡鵬,朱炳翔,黃事成,周凱.  電力系統(tǒng)保護(hù)與控制. 2018(20)

博士論文
[1]高維數(shù)據(jù)的特征選擇與特征提取研究[D]. 蔣勝利.西安電子科技大學(xué) 2011



本文編號：3240313