本文關(guān)鍵詞：基于信息熵分段聚合近似和譜聚類的負荷分類方法　出處：《中國電機工程學報》2017年08期 　論文類型：期刊論文

  更多相關(guān)文章： 需求響應(yīng) 信息熵 聚合近似 譜聚類 負荷分類

【摘要】：居民和商業(yè)負荷參與需求響應(yīng)項目時,負荷數(shù)據(jù)日趨多維化和海量化,需要對其進行降維分類處理。提出一種基于信息熵分段聚合近似(information entropy piecewise aggregate approximation,IEPAA)和譜聚類的負荷分類方法。首先采用IEPAA對典型日負荷數(shù)據(jù)集進行可變時間分辨率重表達,進一步采用基于距離和曲線形態(tài)的雙尺度相似性度量譜聚類算法進行聚類處理,從而獲得合理的負荷分類結(jié)果。利用商業(yè)辦公樓宇中央空調(diào)機組的典型日負荷數(shù)據(jù)對所提方法進行了驗證,表明該方法在數(shù)據(jù)降維、負荷分類有效性、穩(wěn)定性和降低運算量等方面均具有優(yōu)勢。
[Abstract]:When residents and commercial loads participate in demand response projects, load data are increasingly multidimensional and quantitative. It is necessary to reduce the dimensionality of the classification. This paper presents a piecewise aggregation approximation based on information entropy. Information entropy piecewise aggregate approximation. IEPAA) and spectral clustering methods for load classification. Firstly, the typical daily load data sets are reexpressed with IEPAA with variable time resolution. Furthermore, a two-scale similarity measurement spectral clustering algorithm based on distance and curve morphology is used to process the clustering. Using the typical daily load data of the central air-conditioning unit in commercial office buildings, the proposed method is verified, which shows that the method is effective in reducing the data dimension and classifying the load. Stability and reduced computational complexity have advantages.
【作者單位】： 上海電力學院電氣工程學院;上海電器科學研究所;安徽大學電氣工程與自動化學院;
【基金】：國家自然科學基金項目(51207088) 上海市科委科創(chuàng)項目(14DZ1201602) 上海綠色能源并網(wǎng)工程技術(shù)研究中心(13DZ2251900) 上海市教委曙光計劃(15SG50) 國網(wǎng)公司科技項目(SGRI-DL-71-14-004)~~
【分類號】：TM714
【正文快照】： Shanghai Green Energy Grid Connected Technology Engineering ResearchCenter(13DZ2251900);Shanghai Municipal Education Commission(15SG50);The State Grid Technology Project(SGRI-DL-71-14-004).0引言隨著我國電力體制改革深化推進,特別是六大新電改配套文件的下發(fā),

【相似文獻】

相關(guān)期刊論文 前1條

1 李天云;李想;劉輝軍;王洪濤;;基于譜聚類的電力負荷分類[J];吉林電力;2008年05期

，

本文編號：1437621