华南理工大学学报(自然科学版)

作者：梁京章, 黄星舒, 吴丽娟, 等

单位：1． 广西大学 电气工程学院，广西 南宁 530004; 2． 广西大学 信息网络中心，广西 南宁 530004

关键词：电力负荷曲线,DK-means 算法,核主成分分析,降维,聚类

基金：国家自然科学基金资助项目 (51867004); 赛尔网络下一代互联网技术创新项目 (NGII20171101)

为了提高电力负荷曲线聚类精度，文中提出了一种基于核主成分分析 (KPCA)和改进 K-means 算法的电力负荷曲线聚类方法。该方法首先在划分聚类算法 K-means 基础上融入密度聚类思想，提出了融合密度思想的 K-means 算法 (DK-means 算法)，并在电力负荷曲线实验集上对比分析其聚类效果; 接着在实验集上比较各种降维算法的降维聚类精度和降维速度; 最后分析 KPCA + DK-means 组合算法的降维聚类能力。结果表明，戴维森堡丁指数 (DBI) 更适合作为电力负荷曲线聚类评价指标; 以 DBI 为评价指标，与 K-means、BIRCH、DBSCAN 和 EnsClust 4 种聚类算法相比，DK-means 的聚类精度更高; 与 LLE、MDS、ISOMAP 3 种非线性降维算法相比，KPCA 的降维速度更快;KPCA + DK-means 组合算法有良好的降维聚类能力，较 DK-means 在聚类精度和聚类效率上均有提升。KPCA + DK-means 组合算法可以实现电力负荷曲线的高效降维、精确聚类，对用电行为模式的准确提取起关键技术支持作用。

来源：2020年第6期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第6期