面向海量用户用电特性感知的分布式聚类算法

发布时间：2017-06-19 17:08

  本文关键词：面向海量用户用电特性感知的分布式聚类算法，，由笔耕文化传播整理发布。

【摘要】：智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。
【作者单位】： 中国南方电网广东电网有限责任公司;清华大学电机工程与应用电子技术系;中国南方电网广东电网有限责任公司电力科学研究院;
【关键词】： 分布式聚类 自适应k-means 聚类算法 大数据 负荷曲线 态势感知
【基金】：国家杰出青年基金资助项目(51325702) 中国南方电网有限责任公司科技项目(GD-KJXM-20150902)~~
【分类号】：TM73;TP311.13
【正文快照】： 上网日期:2016-04-29。0引言随着智能电表在近几年逐渐得到广泛应用,用户的用电数据得以实时采集。有别于以往每月抄表的情况,更细时间粒度的用电数据包含了更多的用户用电信息,反映了更多的用户用电规律。据统计,中国智能电表的普及率高达90%,给用户用电数据的挖掘和用电特性

【相似文献】

中国期刊全文数据库 前10条

1 于剑,程乾生;模糊聚类方法中的最佳聚类数的搜索范围[J];中国科学E辑:技术科学;2002年02期

2 岳清华;郑刚;;一种动态心电图波形聚类策略的研究[J];天津理工大学学报;2008年01期

3 王士同;陈晓峰;曹苏群;钟富礼;;基于力的类同传播聚类方法[J];江南大学学报(自然科学版);2009年04期

4 熊华,胡晓峰,老松杨;一种自动镜头聚类方法[J];国防科技大学学报;2000年05期

5 崔宝珍;王泽兵;潘宏侠;;改进的FCM聚类算法[J];机械管理开发;2010年04期

6 符君;周海琨;高平;;基于可变聚类数k值的聚类算法在绩效考核中的应用[J];节能;2013年07期

7 黄元江,汤德佑,胡红武;动态迭代聚类算法分析基因序列数据[J];南华大学学报(自然科学版);2004年04期

8 黎新伍;;医学图像体分割的特征聚类算法[J];清华大学学报(自然科学版);2008年S2期

9 张李军;;改进的FCM聚类算法的实现和有效性研究[J];硅谷;2009年10期

10 雷亚国;何正嘉;訾艳阳;胡桥;丁锋;;混合聚类新算法及其在故障诊断中的应用[J];机械工程学报;2006年12期

中国重要会议论文全文数据库 前9条

1 高翠芳;吴小俊;;基于二阶差分的聚类数自动确定方法[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年

2 刘洋;江志纲;丁增喜;王大玲;鲍玉斌;于戈;;一种基于图的聚类算法GB-Cluster[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

3 李浪波;傅彦;刘红;;基于范例推理的网格和密度聚类算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

4 娄冬梅;陈明;朱有娜;;一种基于密度的无参数聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

5 魏昕路;洪志令;姜青山;;一种基于样本缩减策略的新窗口式聚类算法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

6 程尊平;周鼎;王晨;周皓峰;汪卫;施伯乐;;SDPHC——基于密度的分割和分层的自校聚类算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

7 张晓峰;王丽珍;陆叶;;一种基于属性加权的不确定K-means聚类算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

8 蔡军;袁华鹏;陈金海;施伯乐;;一种基于相似性分析的聚类新算法:PDS算法[A];第十八届全国数据库学术会议论文集（研究报告篇）[C];2001年

9 胡仲义;郭超;王永炎;刘胜航;王宏安;;基于时间衰减和特征变量的数据流聚类算法[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

中国博士学位论文全文数据库 前10条

1 胡雅婷;可能性聚类方法研究及应用[D];吉林大学;2012年

2 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年

3 周世兵;聚类分析中的最佳聚类数确定方法研究及应用[D];江南大学;2011年

4 杨燕;基于计算智能的聚类组合算法研究[D];西南交通大学;2006年

5 冯永;基于计算智能的聚类技术及其应用研究[D];重庆大学;2006年

6 刘晨;高伸缩性聚类分析方法研究[D];哈尔滨工程大学;2013年

7 王强;局部叠加基因表达模式聚类分析方法研究[D];哈尔滨工业大学;2012年

8 姜磊;混合演化聚类算法研究及其应用[D];武汉大学;2012年

9 尹学松;半监督聚类分析策略设计及其拓展性研究[D];南京航空航天大学;2009年

10 白亮;聚类学习的理论分析与高效算法研究[D];山西大学;2012年

中国硕士学位论文全文数据库 前10条

1 魏建东;K-means初始化算法研究[D];南京理工大学;2015年

2 张依;基于MapReduce的k-means聚类算法并行化研究[D];中央民族大学;2015年

3 刘婵;蚁群与K均值聚类算法融合研究及其在用户分群中的应用[D];西南科技大学;2015年

4 朱琪;基于减法聚类的混合算法研究[D];湖南科技大学;2015年

5 韩伟森;聚类集成研究与应用[D];贵州大学;2015年

6 谭浩;K-Means算法改进及其在森林健康评价中的应用[D];中南林业科技大学;2015年

7 严巍;以KPCA为核心的FCM算法改进[D];成都理工大学;2015年

8 汪娟;基于权重设计的聚类集成算法研究[D];重庆大学;2015年

9 牛品菽;基于图模型的高效聚类算法研究[D];北京交通大学;2016年

10 乔坤;基于系统能量理论的聚类算法及其应用研究[D];西安建筑科技大学;2007年

  本文关键词：面向海量用户用电特性感知的分布式聚类算法，由笔耕文化传播整理发布。

本文编号：463172