計量通信技術的發(fā)展使收集的用戶負荷信息越來越準確,從而提供了負荷用電特性聚類分析的數(shù)據(jù)基礎。為了解決電力負荷聚類應用場景中需要聚類結(jié)果與典型負荷類別盡可能相似的問題,以蟻群聚類算法為基礎,采用典型負荷曲線作為先驗信息,將評估聚類效果的指標和聚類中心與典型負荷曲線的距離2個因素構成優(yōu)度指標來代替?zhèn)鹘y(tǒng)的均方誤差,以此來更新信息素矩陣,設計了一種基于改進蟻群聚類的半監(jiān)督聚類算法。通過某省工業(yè)用戶2017年的日負荷數(shù)據(jù)分析驗證了聚類結(jié)果不僅向原有的標識樣本類型靠近,而且兼顧同類型樣本差異小、不同類型樣本差異大,具有良好的聚類效果。 

【文章來源】：電力建設. 2020,41(10)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

改進蟻群聚類算法計算步驟

由圖2和圖3可以看出，對于4種改進蟻群聚類算法，螞蟻數(shù)量幾乎對聚類結(jié)果沒有影響;4種算法的SI指標隨著聚類數(shù)量的增多而變大，DBI指標隨著聚類數(shù)量的變化基本不變。圖3 不同聚類數(shù)量和螞蟻數(shù)量下改進蟻群聚類算法的DBI指標

不同聚類數(shù)量和螞蟻數(shù)量下改進蟻群聚類算法的DBI指標

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡特征圖聚類的人臉表情識別[J]. 劉全明,辛陽陽.  計算技術與自動化. 2020(01)
[2]基于混沌類電磁算法優(yōu)化支持向量機的短期負荷預測[J]. 王茜,李皓然,王新娜,張媛媛.  計算技術與自動化. 2019(04)
[3]基于離散小波變換和模糊K-modes的負荷聚類算法[J]. 張江林,張亞超,洪居華,高紅均,劉俊勇.  電力自動化設備. 2019(02)
[4]基于信息熵分段聚合近似和譜聚類的負荷分類方法[J]. 林順富,田二偉,符楊,湯曉棟,李東東,王群京.  中國電機工程學報. 2017(08)
[5]一種新的半監(jiān)督入侵檢測方法[J]. 梁辰,李成海.  計算機科學. 2016(05)
[6]基于聚類分析的客戶用電模式智能識別方法[J]. 彭顯剛,賴家文,陳奕.  電力系統(tǒng)保護與控制. 2014(19)
[7]基于強類別特征近鄰傳播的半監(jiān)督文本聚類[J]. 文翰,肖南峰.  模式識別與人工智能. 2014(07)
[8]計及需求響應的多維度用電特征精細挖掘[J]. 宗柳,李揚,王蓓蓓.  電力系統(tǒng)自動化. 2012(20)
[9]k-means聚類算法在負荷曲線分類中的應用[J]. 劉莉,王剛,翟登輝.  電力系統(tǒng)保護與控制. 2011(23)
[10]改進FCM算法及其在電力負荷壞數(shù)據(jù)處理的應用[J]. 蔣雯倩,李欣然,錢軍.  電力系統(tǒng)及其自動化學報. 2011(05)

博士論文
[1]半監(jiān)督聚類算法研究及植物葉片識別應用[D]. 李龍龍.西北農(nóng)林科技大學 2017

碩士論文
[1]魯棒半監(jiān)督模糊聚類分割算法研究[D]. 李亞文.西安郵電大學 2018
[2]基于負荷量測數(shù)據(jù)的電力負荷聚類方法研究[D]. 程祥.浙江大學 2017
[3]基于約束的半監(jiān)督聚類的圖像分割算法研究[D]. 李巧蘭.西安電子科技大學 2014



本文編號：3347645