张文强,刘继文,陈静.基于对称KL散度的电力用户负荷聚类方法研究[J].电工技术,2024(14):103-107 |
基于对称KL散度的电力用户负荷聚类方法研究 |
|
|
DOI:10.19768/j.cnki.dgjs.2024.14.030 |
中文关键词: 电力负荷 高斯混合模型 最大均值差异 KL散度 聚类 |
英文关键词: |
基金项目: |
|
摘要点击次数: 87 |
全文下载次数: 0 |
中文摘要: |
随着源网荷储四侧资源的建设,电力部门积累了海量用户的用电数据,如何有效挖掘这些数据的潜在信息,促进电力用户的精细化管理,是当前电力系统分析的一个重要问题。基于此,提出了基于对称KL散度(Kullback Leibler Divergence)的电力用户负荷聚类方法。首先,利用高斯混合模型(Gaussian Mixture Model,GMM)表示用户的日常用电规律,并通过最大均值差异(Maximum Mean Discrepancy,MMD)检验模型的合理性;然后,将对称KL散度作为相似性判据,从划分聚类的角度出发,对GMM表示的电力负荷用户进行聚类;最后,以所提算法对MNIST以及某小区用户数据进行分析,实验结果表明所提方法具有可行性和有效性。 |
英文摘要: |
|
查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|