收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

采用深度学习和多维模糊C均值聚类的负荷分类方法

石亮缘  周任军  张武军  余虎  李彬  王珑  
【摘要】:为了对日趋海量的负荷数据进行有效地分类处理,提出一种采用深度学习和多维模糊C均值聚类的负荷分类方法。采用深度学习中的卷积自编码器CAEs堆叠形成深度卷积自编码网络,通过训练实现对输入的典型日负荷曲线集进行特征分层提取和降维处理。计及低维特征序列的数值维度和趋势维度,将数值序列的欧氏距离与趋势序列的改进动态时间弯曲距离相结合为多维相似性距离,作为新的相似性指标,提出一种多维模糊C均值聚类算法,用以对特征序列进行聚类分析。算例分析结果表明,所提出的方法在数据特征提取降维、负荷分类有效性、稳定性及聚类效率等方面具有较大优势,可为需求侧管理项目选择、电价制定、负荷管理优化等提供有效参考。

知网文化
【相似文献】
中国期刊全文数据库 前11条
1 林卓琼;彭显刚;刘艺;祖凯涛;林利祥;;基于K-均值聚类粒子群算法的变电站定容选址[J];陕西电力;2015年11期
2 毕锐;丁明;徐志成;葛虎;郁丹琦;;基于模糊C均值聚类的光伏阵列故障诊断方法[J];太阳能学报;2016年03期
3 范思遐;吴斌;李友钊;;一种基于K均值聚类分析的风机退化模态识别[J];机械设计与制造;2018年08期
4 王莹;卢秀和;;改进K均值聚类法在变压器故障诊断中的应用[J];机电信息;2015年24期
5 丁明,李生虎,洪梅;电力系统概率分析中的K均值聚类负荷模型[J];电力系统自动化;1999年19期
6 武艳;张莉莉;蒋志勋;;应用模糊C均值聚类法判别同调机群正确性研究[J];廊坊师范学院学报(自然科学版);2011年04期
7 李芹;许强;吴琼;;基于模糊C-均值聚类分析与BP网络的短期负荷预测[J];上海电力学院学报;2005年04期
8 尤锭军;余嘉宽;徐政;杨春梅;林敏;吴志;;基于改进K-均值的面向风光海的配电网典型运行场景生成[J];电器与能效管理技术;2019年01期
9 左宇;顾琨;李博江;李玲;杨智元;曹晖;张钢;王雨晗;;基于改进K-均值聚类的电动机群聚合[J];陕西电力;2016年10期
10 孙丽敬;盛万兴;吴鸣;吕志鹏;李蕊;李冬森;李运兵;;基于模糊C均值聚类的分布式电源集群并网逆变器输出功率置信区间估计方法[J];电网技术;2019年05期
11 熊学海;万春竹;赵凌;齐雪雯;李武龙;;基于k均值聚类的不同拓扑下自适应过电流保护配合整定值组优化[J];自动化技术与应用;2019年01期
中国重要会议论文全文数据库 前4条
1 李美娜;郑小霞;;基于模糊C-均值聚类的客户用电负荷特性分类[A];2015年全国智能电网用户端能源管理学术年会论文集[C];2015年
2 顾斌;冯定东;蔡冬阳;;模糊C均值聚类在配网故障抢修阈值动态调整中的应用[A];2017智能电网新技术发展与应用研讨会论文集[C];2017年
3 刘伟;司风琪;徐治皋;;基于燃烧特征量和模糊C均值聚类的燃烧诊断[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
4 王伟;张航;罗大庸;;基于核模糊C均值聚类和局部建模方法的烟气含氧量软测量模型[A];中国自动化学会控制理论专业委员会C卷[C];2011年
中国硕士学位论文全文数据库 前4条
1 廖宗明;基于K均值聚类与支持向量机的电力系统短期负荷预测[D];华南理工大学;2012年
2 高芬芬;基于神经网络与模糊C均值聚类的锅炉及其辅助系统能效诊断[D];华北电力大学;2015年
3 杨波;基于支持向量机的电力系统短期负荷预测[D];辽宁工业大学;2015年
4 郑新桃;基于波形伸缩变换和模糊K均值聚类的配电线路单相接地选线研究[D];福州大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978