基于DTW直方图的电力负荷数据聚类算法

发布时间：2025-01-09 00:26

　　 针对电力负荷数据聚类过程中K均值算法人为指定聚类个数,导致聚类结果陷入局部最小解的问题,提出了基于动态时间归整(DTW)直方图的电力负荷数据聚类方法。利用主成分分析(PCA)法对高维电力负荷数据进行降维;引入直方图法确定负荷数据的初始聚类数目;通过DTW将负荷曲线分为K个类别;在MATLAB仿真平台上验证了该方法的有效性。实验结果表明:本文提出的算法在电力负荷数据聚类分析时减少了运算过程的迭代次数,加快了算法的收敛速度,并且聚类数目达到全局最优解的效果。

【文章页数】：3 页

【部分图文】：

图1 两个时间序列曲线及其间的归整路径距离

最后求得的归整路径距离为D(|X|，|Y|)，使用动态规划来进行求解。2.3基于DTW的直方图算法的步骤

图2 二维空间投影及直方图统计

1)PCA降维后的负荷数据在二维平面所呈现的状态，如图2(a)所示;将横轴称为X轴，在X轴上的直方图统计如图2(b)所示;将纵轴称为Y轴，在Y轴上的直方图统计如图2(c)所示。本文设定ξ值为22，可以得出聚类个数为3。2)用直方图法确定聚类个数，通过设定阈值计算出聚类个数是3，....

图3 二种算法聚类中心

2)用直方图法确定聚类个数，通过设定阈值计算出聚类个数是3，如图3(a)所示，每类负荷数据的初始聚类中心和最后聚类中心几乎重合。K均值算法的聚类结果如图3(b)所示，初始聚类种类中心和最终聚类中心相差较大。3)C3负荷曲线属于居民用电，波动较小，较为平缓，该曲线与居民的生活习惯....

图4 二种算法聚类中心时移图

3)C3负荷曲线属于居民用电，波动较小，较为平缓，该曲线与居民的生活习惯密切相关，中午做饭时间稍有起伏，下班后家电器以及健身器材的使用，使得用电量大幅度提升;C2负荷曲线，夜间的用电量要高于白天用电量，避开用电高峰期，可知这类用户主要在夜间低价时段进行工作，避开用电高峰期，缓解....

本文编号：4024855