|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于聚类分析的客户用电模式智能识别方法显示文摘结合k-means、k-medoids、SOM以及FCM等聚类算法,构建了电力大客户典型用电模式的聚类分析模型,提出了一种评估聚类效果的新方法。首先通过分析电力客户用电指标数据及其特点,提出采用高斯滤波器对含'噪声'曲线数据进行平滑处理来获取客户用电数据。然后提出了聚类平均半径、平均直径和平均最小间距等3个评价指标,并以此为基础设计出一种评估聚类得分的新方法。最后使用聚类分析模型对某地区电力大客户日用电量曲线进行聚类分析,实现了地区典型用电模式的自动识别功能。实际算例分析结果表明,该评估方法物理概念清晰、简便、实用。 | 彭显刚 赖家文 陈奕 | 2014 | 电力系统保护与控制2014，42，19： | 53 |
| 2 | 基于特性指标降维的日负荷曲线聚类分析显示文摘运用数据挖掘中的聚类技术对电力系统日负荷曲线进行分析,提出一种基于特性指标降维的日负荷曲线聚类方法——特性指标聚类(pattern index clustering,PIC),通过负荷率、日峰谷差率等6个日负荷特性指标对日负荷曲线进行降维处理,利用基于聚类有效性修正的德尔菲方法配置各指标权重,以加权欧式距离作为相似性判据,对日负荷曲线进行聚类。算例结果表明所提方法运行时间短,鲁棒性好,提高了负荷曲线聚类质量,能直观反映典型负荷曲线的特点。 | 刘思 李林芝 吴浩 孙维真 傅旭华 叶承晋 黄民翔 | 2016 | 电网技术2016，40，3： | 58 |
| 3 | 电力用户负荷模式提取技术及应用综述显示文摘智能电网中智能仪表和传感器获取到的电力用户消费数据剧增,从中提取电力用户负荷模式,是负荷预测、分时电价制定和实施、负荷控制、用电异常、用电促销、甚至信息存储等的理论基础和必要工作。文章首先介绍了负荷模式提取的流程和步骤,并以图例阐述典型负荷分布的生成过程;接着对负荷模式提取涉及的理论和方法进行了总结,主要包括数据预处理方法、聚类方法以及评价指标,分析了它们对聚类结果的影响,介绍了其优缺点和适用范围;然后对负荷模式提取技术的应用领域进行分析,结合典型配电网结构图给出了5种负荷模式应用方式。最后对负荷模式提取技术发展及应用的趋势从4个方面进行了展望。 | 张铁峰 顾明迪 | 2016 | 电网技术2016，40，3： | 55 |
| 4 | 基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型显示文摘居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同时间尺度下用电行为的6个特征;在此基础上,提出了一种基于引力搜索算法的用户用电模式分类模型;最后,对实测居民用电数据进行聚类,并对各类用户的用电模式及其参与需求侧响应的潜力进行了分析。 | 苏适 李康平 严玉廷 陆海 汪新康 刘力铭 王飞 董凌 | 2018 | 电力自动化设备2018，38，1： | 54 |
| 5 | 大用户电力负荷的多模型模糊综合预测显示文摘研究大用户的短期电力负荷预测问题,给出一种基于变权综合模糊推理的多模型综合预测方法。该方法首先引入基于质心相似度聚类的负荷模式分析算法,挖掘历史负荷数据中合群的典型负荷模式,并按相似性进行分组,同时剔除少量的离群异常记录;然后给出基于共轭梯度的RBF神经网络训练算法,分别对每类典型负荷模式建立相应的单元预测模型;最后利用基于相似度加权的多模型变权综合模糊推理策略,实现各单元模型预测结果的自适应融合。案例仿真验证了多模型模糊综合预测方法的可靠性。 | 谷云东 张素杰 冯君淑 | 2015 | 电工技术学报2015，30，23： | 46 |
| 6 | 智能用电用户行为分析的聚类优选策略显示文摘针对大数据背景下用户智能用电行为最佳聚类数目的选择问题,提出一种用户用电行为分析的聚类优选策略。在前期智能用电用户行为分析的特征优选策略研究的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行聚类分析;然后提出聚类数优选策略,通过综合考虑准确度评价指标和有效度评价指标确定最佳聚类数目。以国内外的用电数据为数据源,仿真验证了所述策略可以选择合理的聚类数目,有效提高用电行为分析的数据聚类效果。 | 龚钢军 陈志敏 陆俊 王朝亮 祁兵 崔高颖 | 2018 | 电力系统自动化2018，42，2： | 45 |
| 7 | 一种基于双层聚类分析的负荷形态组合识别方法显示文摘区别于传统用户用电行为分析方法,提出一种以聚类算法为基础的双层聚类分析方法。该方法结合给出的内、外层变随机设置为有目的选取初始聚类中心的选取规则,解决了聚类算法受初始聚类中心随机选取的影响,其收敛容易陷入局部最小化的问题。利用余弦相似度形态相似作为外层聚类的判据、欧式距离相近作为内层聚类的判据,对不需要经过归一化处理的用户用电轨迹向量进行分类。最后对某地区电力用户日负荷曲线进行算例分析,结果表明:双层聚类组合方法能把不同负荷形态及其大、小用户准确识别出来,实现了地区负荷形态的自动分类识别功能,证明了上述方法的有效性和优越性。 | 王星华 陈卓优 彭显刚 | 2016 | 电网技术2016，40，5： | 40 |
| 8 | 一种基于双层迭代聚类分析的负荷模式可控精细化识别方法显示文摘提出一种基于双层迭代聚类分析的负荷模式可控精细化识别方法。首先以皮尔逊相关系数为相似性度量进行外层形态相似性聚类,然后分别对外层聚类得到的每一类簇以欧式距离为相似性度量进行内层幅度相近聚类。每层都先在给定的阈值约束下迭代聚类,再对迭代收敛得到的聚类簇合并。实际算例分析结果表明:与传统负荷模式识别方法相比,所提方法改善了负荷形态聚类效果,可识别出形态相似但幅度不同的负荷,还能对聚类精细化程度进行控制,提高了聚类准确率。 | 卜凡鹏 陈俊艺 张琪祁 田世明 丁坚勇 朱炳翔 | 2018 | 电网技术2018，42，3： | 35 |
| 9 | 基于灰狼优化聚类算法的日负荷曲线聚类分析显示文摘针对模糊C-均值聚类算法(Fuzzy C-Means,FCM)应用于日负荷曲线聚类分析时存在易受初始聚类中心影响,易收敛于局部最优值以及日负荷曲线的内在特性难以通过距离得到充分反映的问题,利用日负荷特征值指标对日负荷曲线进行数据降维处理。提出了基于灰狼算法(Grey Wolf Optimizer,GWO)优化的模糊C-均值聚类算法(GWO-FCM)。该算法利用GWO为FCM优化初始聚类中心,结合了GWO的全局搜索能力和FCM的局部搜索能力。算例结果表明所提方法可有效提高日负荷曲线聚类效果,算法鲁棒性好。 | 吴亚雄 高崇 曹华珍 陈吕鹏 唐俊熙 李浩 | 2020 | 电力系统保护与控制2020，48，6： | 35 |
| 10 | 家庭用电响应模式研究显示文摘为实现家庭用电的削减及推动用户侧和电网侧的双向互动,在智能用电技术高速发展和节能减排的背景下,结合智能用电技术、智能家电、家庭用电行为及电力需求响应,建立家庭用电响应模式运行流程图。构造经济模式和节能模式的数学模型,采用遗传算法的机组组合、模糊关联权重法来实现家庭用电优化,实现用电环境的经济和舒适。算例仿真结果表明用电响应模式及其数学模型、优化方法都是正确合理的,起到很好的削峰填谷、节约用电的效果。 | 阳小丹 李扬 | 2014 | 电力系统保护与控制2014，42，12： | 31 |
| 11 | 考虑负荷率的峰谷分时电价模型显示文摘针对峰谷电价与负荷率电价的配合问题,构建了适合于大、中工商业及其他用户的考虑负荷率的峰谷分时电价模型。首先,对电力系统运行特性及供电成本展开分析,在电力系统最优规划与运行的假设条件下,建立了电力系统及负荷率分档用户的边际容量成本和边际电量成本模型。然后,应用边际成本与两部制定价理论,计及电压等级价差,构建了负荷率分档的峰谷分时电价模型。该定价模型综合反映了用户发、输、配电环节供电成本及其时变特征,具有较好的经济效率与公平性。最后,算例验证了该模型的合理性。 | 徐永丰 吴洁晶 黄海涛 苏振宇 何磊 | 2015 | 电力系统保护与控制2015，43，23： | 32 |
| 12 | 基于调节潜力指标的用户用电行为聚类分析算法研究显示文摘针对柔性负荷不断接入背景下,用户参与电网调节潜力能力的持续提升,基于负荷用户的调节潜力大小对用户的用电行为进行聚类分析。在峰谷分时电价背景下,基于用户心理学原理构建基于峰谷分时电价的负荷转移率模型,以该模型为基础构建基于峰谷分时电价的用户调节潜力指标,并利用该指标对负荷用户的用电行为进行聚类分析,通过与传统基于日负荷曲线以及典型负荷特性指标的聚类算法进行结果对比,证明了该算法聚类结果的有效性与正确性,同时通过对大规模用户的用电行为进行聚类分析,证明基于调节潜力指标的聚类分析算法的聚类效果更佳。 | 杨卫红 赖清平 兰宇 王丹 胡庆娥 王旭阳 刘艳茹 | 2018 | 电力建设2018，39，6： | 32 |
| 13 | 基于负荷分解的居民差异化用电行为特性分析显示文摘针对智能电网建设过程中需要准确掌握居民用电特性的要求,将居民负荷分解为基本负荷和季节性负荷。基于自适应模糊c均值算法,分别对居民日基本负荷和夏季降温设备日负荷进行聚类分析。根据分类结果进行负荷特性分析,并在此基础上提出一种用户分类的方法,实现对居民用电行为特性的差异化分析。实验结果表明,基于该分类方法能够准确地描述用户用电行为特性,为需求响应如峰时电价制定、错峰管理、负荷调控等提供了有效的数据支撑。 | 罗滇生 杜乾 别少勇 庞振国 李盛兴 | 2016 | 电力系统保护与控制2016，44，21： | 29 |
| 14 | 计及负荷率分档的峰谷分时电价定价模型显示文摘针对大中工商业用户负荷率电价与峰谷电价的配合问题,结合我国电力体制和电价制度环境,基于消费者需求和供电成本异质性,构造了负荷率分档用户的用电消费细分市场,建立了各档用户的边际供电成本模型及需求价格弹性模型。应用边际成本定价理论,构建了计及负荷率分档的峰谷分时电价模型。该模型采用分层协调优化的方法:第一层深入分析每一负荷率档位用户的边际电量成本和边际容量成本,应用密度聚类技术及两部制定价理论,建立了每一负荷率档位及其两部制平均电价水平的制定方法。第二层以各档平均电度电价水平为约束,以削峰填谷为目标,基于电量电价弹性矩阵构建了负荷率峰谷分时电价协调优化模型。该模型综合协调了效率、公平和削峰填谷多重目标,算例验证了其合理性和有效性。 | 黄海涛 吴洁晶 顾丹珍 蔚芳 | 2016 | 电力系统保护与控制2016，44，14： | 28 |
| 15 | 改进型模糊C均值聚类算法的电力负荷特性分类技术研究显示文摘模糊C均值聚类算法(FCM)是目前应用较多的电力负荷分类算法,但FCM算法存在着对初始聚类中心敏感及需要人为确定聚类数目的问题,针对这个问题,提出了先采用一种快速算法来确定负荷聚类数目和聚类中心,将得到的聚类中心和聚类数目作为FCM的初始输入,再用FCM对负荷进行分类的改进型FCM分类方法,以此减少聚类数目较多时大量的人工参与及分析工作,并通过实际算例分析验证了所提出的分类方法的正确性。 | 刘永光 孙超亮 牛贞贞 赵国生 | 2014 | 电测与仪表2014，51，18： | 25 |
| 16 | 基于数据挖掘的工业用户用电行为分析显示文摘文中以上海市部分地区工业用户为研究对象,利用数据挖掘技术分析其用电行为。根据用户档案采集和整合用电数据,同时对数据进行修复和归一化预处理;综合考虑聚类数的确定及初始聚类中心的选择这两个因素,对K-means算法进行优化;利用优化的算法对用户负荷曲线分类并提取特征曲线,分析其用电行为典型特征,并与传统的K-means算法进行比较,同时引入相关指标检验聚类效果。结果表明,采用优化的K-means聚类算法能准确实现不同用户类型的分类识别功能,可以更加准确有效的进行用户用电行为的分析。 | 徐磊 杨秀 张美霞 | 2017 | 电测与仪表2017，54，16： | 26 |
| 17 | 需求侧响应下基于负荷特性的改进短期负荷预测方法显示文摘为了提高需求侧电力负荷预测精度,针对需求侧自身特点,提出了基于负荷特性的改进短期负荷预测方法。依据需求侧负荷特性与属性聚类算法结合的方法完成两级需求侧负荷分类,并使用优化改进粒子群优化径向基神经网络(MPSO-RBF)和最小二乘支持向量机回归模型(LS-SVM)等算法建立短期预测模型进行负荷预测。利用该方法对某工业园区用电负荷进行预测,并与实际用电负荷数据和利用传统预测模型以及单一模型预测方法进行了比较分析。预测结果平均相对误差表明,基于负荷特性的改进短期负荷预测方法是有效和实用的,既能得到准确的负荷预测结果,方便需求侧用户就地进行各类负荷针对性调控,又方便管理者宏观掌控需求侧用户负荷情况,有效推动能源互联网的发展。 | 刘云 张杭 张爱民 | 2018 | 电力系统保护与控制2018，46，13： | 25 |
| 18 | 基于形态距离的日负荷数据自适应稳健聚类算法显示文摘为克服传统划分式聚类算法的聚类数k值难以确定以及聚类结果稳定性较差的问题,提出一种基于日负荷曲线形态距离的自适应稳健聚类方法。利用差分算法和分位数对原始日负荷曲线进行特征提取,将其转化为描述负荷曲线形态特征的离散类属性数据,用曲线形态差异度量替代对负荷数据的欧氏距离度量,避免数据标幺化可能带来的信息缺失;进一步引入特征属性加权和隶属度惩罚,根据样本形态特征,提出基于动态层次Fuzzy U-K-modes的自适应聚类算法,通过多阶段聚类和构建聚类系谱,自适应地确定聚类中心和k值,在不过多损失效率的前提下,使聚类结果的稳定性大幅提升;最后以某地区4869个用户的日负荷数据为研究对象,验证了所提算法的有效性。 | 李阳 刘友波 刘俊勇 程明畅 马铁丰 魏文涛 尹龙 宁世超 | 2019 | 中国电机工程学报2019，39，12： | 25 |
| 19 | 考虑地域差异的配电网空间负荷聚类及一体化预测方法显示文摘针对基于智能算法的负荷密度指标法对样本依赖性强且在各地实际应用困难的不足,提出一种考虑地域差异的配电网空间负荷聚类及一体化预测方法。该方法首先通过大量调研得到分布在不同地区、分属不同类型的负荷样本及所处地区信息;然后利用基于日负荷曲线的负荷分类校验及精选方法对所有调研样本进行分类精选;再根据区域分类、负荷分类对精选样本构成的全样本空间进行两级划分,得到分层级子样本空间;最后根据待测地块的属性信息对子样本空间进行匹配,选取与其最相似的子样本空间作为训练样本,构建支持向量机模型预测各地块的负荷密度,进而得到电力负荷的空间分布。工程实例分析表明了该方法的实用性和有效性。 | 刘思 傅旭华 叶承晋 黄民翔 | 2017 | 电力系统自动化2017，41，3： | 22 |
| 20 | 基于自适应k-means++算法的电力负荷特性分析显示文摘运用数据挖掘中的聚类算法对电力负荷曲线进行聚类分析,提炼电力负荷曲线之间的共性特征与差异特征,在负荷模型实用化方面有重要应用价值,可以帮助分析用户用电规律,指导电网规划及实时调度。本文提出了一种自适应k-means++负荷特性聚类算法,综合不同聚类数时的聚类结果验证了数据集里各样本的相似性,通过迭代图切分的方法确定了最佳聚类数,避免了人为设定电力用户日负荷曲线聚类数不恰当导致的单一聚类结果的过大偏差,提高了负荷分类的精确性。算例结果验证了该算法的可行性和有效性,表明该算法求最佳聚类数的准确性高、鲁棒性好。 | 李婧 徐胜蓝 万灿 卢奕城 王素英 | 2019 | 南方电网技术2019，13，2： | 21 |
您所在的机构暂未开通此部分的功能，请联系管理员