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:
作者单位
张文强 国网浙江省电力有限公司海宁市供电公司 
刘继文 国网浙江省电力有限公司海宁市供电公司 
陈静 国网浙江省电力有限公司海宁市供电公司 
摘要点击次数: 273
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