|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于特征指标降维及熵权法的日负荷曲线聚类方法显示文摘日负荷曲线聚类是负荷建模背景下分析负荷特性的基础。针对现有聚类方法在聚类质量、聚类效率等方面的不足,综合运用模糊C均值及熵权法原理提出一种基于特征指标降维及熵权法的日负荷曲线聚类方法。首先提取日负荷率、日峰谷差率、日最大利用时间等7类降维特征指标替代各采样点负荷数据作为聚类输入;其次,引入熵权法自适应配置各特征指标的权重系数;最后,采用特征加权的模糊C均值聚类算法对用电日负荷曲线进行聚类。采用所提方法对某地区日负荷曲线进行聚类分析,算例结果表明该方法在运行效率、鲁棒性、聚类质量等方面具有一定的优越性,聚类结果能真实有效地反映负荷的实际用电特性。 | 宋军英 何聪 李欣然 刘志刚 汤杰 钟伟 | 2019 | 电力系统自动化2019，43，20： | 44 |
| 2 | 电力用户用电特征选择与行为画像显示文摘我国交直流大电网的安全稳定运行与新能源的消纳对需求侧响应提出了较高要求,电力用户画像对需求侧响应的实施具有重要意义。文章提出了一种电力用户用电特征选择与行为画像方法。首先,通过构造聚合回报指标,兼顾集聚度和分离度,实现了最优分类数目的自动确定,并在此基础上完成k-means聚类;然后,将最大相关最小冗余准则应用于电力用户用电特征选取,兼顾了有效性和精简性,通过遍历法求得优质特征集;再采用打分制对优质特征进行量化,通过雷达图和柱状图等进行展示,实现了用户用电行为画像。最后通过算例分析表明了所提方法的有效性。 | 赵晋泉 夏雪 刘子文 徐春雷 苏大威 闪鑫 | 2020 | 电网技术2020，44，9： | 45 |
| 3 | 基于LSTM自动编码器的电力负荷聚类建模及特性分析显示文摘电力系统负荷聚类和特性分析对电网的安全与经济调度、运行具有重要意义,是提升调度人员对电网感知能力的重要技术手段。为了解决传统负荷聚类方法需要人工设定负荷特征指标和无法考虑负荷时序特性等问题,提出了一种由长短期记忆(LSTM)自动编码器构成的负荷聚类方法。利用LSTM的时序记忆能力和自动编码器的非线性特征提取能力,实现了考虑负荷时序特性的自动特征提取和非线性降维。然后,基于提取的负荷特征采用k-means聚类算法进行电力负荷聚类分析。最后,采用实际供电区域的负荷数据进行验证,并对负荷特性进行详细的分析。结果表明所提方法与其他负荷特征提取方法相比,有较好的负荷聚类效果。 | 庞传军 余建明 冯长有 刘艳 江叶峰 | 2020 | 电力系统自动化2020，44，23： | 42 |
| 4 | 计及数据类别不平衡的海量用户负荷典型特征高性能提取方法显示文摘深度探索用户负荷的用电特性是面向电力大数据趋势下电力市场精细化发展的迫切需求。该文提出一种计及数据类别不平衡的用户负荷典型形态提取模型,适用于电力系统负荷数据量大、缺乏训练标签的情况。首先,通过K-medoids算法将局部数据聚类获取类别标签作为训练集。针对训练集部分类簇数据样本过小,采用基于聚类结果的过采样方法进行类别平衡。负荷数据分类采用基于Spark的分布式神经网络基分类器集成学习方法。最后,通过形态互相关性提取典型负荷形态特征。算例选取模拟日负荷数据和爱尔兰实测负荷数据,对比K-means聚类和K-medoids+串行BPNN分类性能,验证了所提算法的有效性和实用性,同时也证明了该方法对于负荷分类所具有的效率优势。 | 刘洋 刘洋 许立雄 王剑 | 2019 | 中国电机工程学报2019，39，14： | 30 |
| 5 | 基于自组织中心K-means算法的用户互动用电行为聚类分析显示文摘电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作。结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类。首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势。 | 周冰钰 刘博 王丹 兰宇 马喜然 孙冬冬 霍秋屹 | 2019 | 电力建设2019，40，1： | 27 |
| 6 | 基于Spark框架的电网运行异常数据辨识与修正方法显示文摘由于电网运行数据具有多源、异构、高维等典型大数据特征,使得传统检测方法已无法实现异常数据高效辨识;因此提出一种基于Spark框架的电网运行异常数据辨识与修正新方法。首先,提出了并行化最小生成树方法对待检测数据进行初始聚类;在此基础上结合并行K-means算法对数据进行二次聚类实现异常数据辨识;然后,在Spark框架下设计了基于径向基函数(RBF)神经网络的异常数据修正模型,实现对异常数据修正。最后,利用某省调度中心SCADA数据对方法的有效性进行了验证,结果表明所提方法能够有效处理电网运行异常数据,具有实际应用价值。 | 曲朝阳 朱润泽 曲楠 曹令军 吕洪波 胡可为 | 2019 | 科学技术与工程2019，19，25： | 23 |
| 7 | 面向分布式电源就地消纳的园区分时电价定价方法显示文摘在能源互联网的背景下,园区运营商首先对内利用分布式电源满足园区用电需求,然后对外进行不平衡能量交换。园区运营商通过制定差异化分时电价套餐,挖掘园区用户的需求响应潜力,能够促进分布式电源就地消纳,优化园区内外交换负荷,对此提出一种园区分时电价定价方法。首先,综合考虑园区用户的用电负荷和需求响应特征,基于谱聚类算法形成园区用户群体;然后,根据园区用户群体的用电负荷特征,基于k-means聚类算法确定分时时段;最后,构建园区分时电价定价优化模型,形成面向不同园区用户群体的差异化分时电价套餐。根据算例分析可知,基于该方法制定园区分时电价,能够有效提高园区分布式电源的就地消纳率和综合利用效率、与外部电网的友好程度和整体经济性。 | 刘敦楠 徐尔丰 刘明光 周保中 应昱杭 俞秦博 | 2020 | 电力系统自动化2020，44，20： | 19 |
| 8 | 基于时频矩阵相似度的输电线路暂态保护方法显示文摘为提高传统暂态保护方法的可靠性,综合运用宽频带暂态信号在时域和频域上的故障信息,提出一种输电线路保护新方法。该方法利用S变换提取宽频带暂态信号在不同时段不同频带下的故障信息,通过构造时频矩阵来反映暂态信号的时频变化特性;利用奇异值分解提取时频矩阵的时频特征,并减少矩阵冗余量;将奇异值矩阵与样本库矩阵进行时频特征匹配,计算矩阵相似度;根据矩阵相似度判别区内外故障。仿真结果表明,该暂态保护方法能准确快速识别区内外故障。 | 李泽文 贺子凝 郭田田 胡开庚 刘基典 | 2019 | 电力系统自动化2019，43，5： | 18 |
| 9 | 基于特征聚类的多能源系统负荷预测方法研究显示文摘针对多能源系统中不同种类能源负荷特征提取及预测问题,提出基于特征聚类的多能源系统负荷预测方法,利用灰色关联分析系统理论对多种类能源负荷预测模型中的环境因素输入属性进行主控因素关联度分析,分别得到电、气、热、冷负荷受环境因素影响的关联度,利用卷积神经网络提取负荷数据和关联度输入数据的特征向量,利用K-means聚类算法对给定特征向量进行聚类,建立多种类能源负荷的特征聚类模型。算例结果表明,文章所提出的基于特征聚类的多能源系统负荷预测方法,能够有效提高不同种类能源负荷的预测精度。 | 高靖 张明理 邓鑫阳 杨博 张子信 韩震焘 | 2019 | 可再生能源2019，37，2： | 18 |
| 10 | 考虑多重因素耦合的广义负荷特征曲线的模式分析显示文摘在可再生能源、需求侧响应、电动汽车、储能等多重因素耦合影响下,电力负荷发生根本的变化,从传统的'纯负荷'逐渐演变为具有'负荷'+'电源'双重特性的广义负荷。这是一个新兴的、复杂和抽象的概念,分析研究其曲线模式和特征,是电力系统规划、调度的重要基础工作。针对当前缺乏广义负荷数据、缺少对广义负荷曲线特征研究的问题,文中提供了不同因素作用下的广义负荷模拟模型,进而对不同场景下的广义负荷曲线形态特征进行探索。首先,分别建立考虑电动汽车充电、新能源接入、响应电价、响应新能源波动的广义负荷模拟模型;基于此,提出综合考虑多重因素耦合作用下的广义负荷模拟模型。通过建立的模拟模型,可以生成未来广义负荷数据进行分析,解决目前缺少分析数据的问题。采用基于密度的DBSCAN聚类方法从生成的数据中提取出广义负荷特征曲线。最后,通过设置不同的广义负荷场景,对未来广义负荷特征曲线进行了仿真分析,获得了多种未来可能出现的广义负荷特征曲线。 | 韦善阳 黎静华 黄乾 雷永胜 朱梦姝 | 2021 | 电力系统自动化2021，45，1： | 8 |
| 11 | 基于欠完备自编码器的用户用电行为分类分析方法显示文摘针对电力大数据背景下用户用电行为复杂多变、分析困难的问题,提出了一种基于欠完备自编码器的用户用电行为分类分析方法。首先,通过欠完备自编码器对智能电表数据进行编码,实现对原始数据的特征抽取,并使用反向传播(BP)神经网络进行用户用电行为分类分析;然后,对最佳编码比率进行优选,并结合用户的典型用电特征作为神经网络的输入,提高了分类准确率;最后,在爱尔兰智能电表数据集上进行了仿真实验,并与直接使用BP神经网络进行对比,分析表明,文中所提出的用户用电行为分类分析方法不仅可以提高检测准确率,帮助电力公司更好地掌握用户用电规律,辅助需求响应实施,还能显著降低算法的运行时间。 | 黄奇峰 杨世海 邓欣宇 陈海文 王守相 | 2019 | 电力工程技术2019，38，6： | 7 |
| 12 | 基于自编码器的电力负荷聚类分析显示文摘电力负荷聚类分析研究是负荷特性模拟、需求侧管理等应用的基础。针对负荷数据日趋多样性、随机性,传统K-means算法无法有效处理高维数据,且存在人工给定聚类数目K值及随机选取初始聚类中心易收敛至局部最优的问题,提出一种基于自编码器(auto-encoder,AE)降维的电力负荷聚类方法。首先利用自编码器网络对采集的负荷数据提取特征,降低数据维度,然后通过密度权值Canopy算法对降维后的数据预聚类,得到初始聚类中心和最优聚类数目K值,将预聚类结果结合K-means算法进行聚类。算例结果表明:所提方法能够有效对负荷数据进行特征提取,并减少聚类过程中的复杂度,提高了聚类结果准确度和聚类效率。 | 赵忠啟 常喜强 樊艳芳 徐森 樊茂 | 2021 | 科学技术与工程2021，21，32： | 7 |
| 13 | 考虑数据不均衡的居民用户负荷曲线分类方法显示文摘由于用户用电行为的多样性和随机性,负荷数据存在分布不均衡的问题,传统负荷曲线分类方法在处理不均衡数据时性能较差。为此,提出一种改进K-means与长短期记忆(LSTM)神经网络-卷积神经网络(CNN)分类模型结合的负荷曲线分类方法。首先,为提升K-means算法对不均衡数据的聚类效果,基于密度峰值聚类(DPC)算法思想,提出一种相对k近邻密度峰值(RKDP)初始聚类中心选取方法,将其作为K-means算法的初始中心进行聚类;然后,为提高RKDP-K-means处理高维负荷数据的性能,采用LSTM自编码器进行特征降维后再聚类获得精准类别标签;最后,基于LSTM神经网络和CNN分别提取负荷特征构建负荷曲线分类模型,实现对大规模负荷曲线的分类。算例选取了爱尔兰智能电表数据集和伦敦负荷数据集进行实验,验证了所提算法在大规模负荷曲线分类时的有效性和实用性。 | 张慧波 王守相 赵倩宇 任杰 王海 | 2022 | 电力工程技术2022，41，3： | 6 |
| 14 | 基于改进自适应密度峰值算法的日负荷曲线聚类分析显示文摘电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、负荷数据的类簇分布情况复杂化。为解决传统聚类算法面对不均衡负荷数据集时聚类效果不佳以及缺乏自适应能力等问题,提出一种改进自适应密度峰值聚类(Improved self-adaptive Density Peak Clustering,ISDPC)算法。首先,基于K-最近邻(K-Nearest Neighbor,KNN)和相对密度的思想定义了一种新的密度度量方式。然后在决策图中拟合分段函数得到最优类簇数目。最后,通过构造加权KNN图改进样本分配策略。试验结果表明,与传统聚类算法相比,所提方法聚类结果更加精确、具备自适应能力、鲁棒性更强。 | 姚黄金 雷霞 付鑫权 胡益 | 2022 | 电力系统保护与控制2022，50，3： | 6 |
| 15 | 基于多特征分析和提取的短期光伏功率预测显示文摘在对短期光伏发电功率预测时,多维数值天气预报(numerical weather prediction,NWP)数据中存在大量冗余和不相关特征,不仅影响预测的准确度,也会增加模型的复杂度,为此提出一种基于多特征分析和提取的短期光伏功率预测模型。通过K-means++聚类选取与预测日具有相似天气类型的历史数据作为训练样本,利用一阶差分具有滤波的特性对不稳定的特征数据进行处理,同时构造新特征;引入因子分析法,考虑特征与输出功率之间的相关性并提取有效特征,由远少于特征数的公共因子作为预测模型的输入数据;最后采用XGBoost对光伏功率进行预测。对某光伏电站仿真结果表明,提出的预测模型在晴天、晴转多云和阴雨天下的均方根误差分别为5.33%、6.13%和9.5%,在非晴天模式下的预测精度较传统方法可提升3%~10%。研究结果可为复杂天气下的光伏功率预测提供参考。 | 闫钇汛 王丽婕 郭洪武 王勃 车建峰 郝颖 | 2022 | 高电压技术2022，48，9： | 5 |
| 16 | 基于多维缩放的日负荷曲线聚类分析显示文摘负荷曲线聚类在负荷预测,需求侧响应等方面有重要应用。目前负荷数据日趋海量化和多维化,需要对其进行降维处理,但现有的降维会对曲线信息造成一定程度的损失,为此提出了一种基于多维缩放(Multi-Dimensional Scaling,MDS)降维的日负荷曲线聚类方法。使用MDS算法对采集到的负荷数据进行降维处理,采用CRITIC—熵权法作为降维指标的权重配置方法,通过计及权重的修正轮廓系数选择最优类簇数,以加权欧式距离的K-means算法进行聚类。通过算例表明该方法能最大程度保留原始曲线信息,在聚类准确度和运行时间两方面均有优势。 | 徐毅 吴鸣 李广玮 王昕扬 | 2022 | 电测与仪表2022，59，10： | 3 |
| 17 | 基于方差比较的负荷曲线形态聚类研究显示文摘传统的负荷曲线聚类方法一般基于欧氏距离,但形态不同的曲线相对同一聚类中心间可以有相同的欧氏距离,因此基于欧氏距离的聚类方法无法准确对曲线进行形态分类。针对传统欧氏距离聚类方法的不足,提出一种基于曲线方差比较的自适应形态聚类算法,以负荷曲线与聚类中心各点差值的方差作为聚类依据,从而实现基于曲线形态的分类研究。分析了传统基于欧氏距离的曲线聚类的原理及不足,介绍了所提基于方差比较的形态聚类的基本原理及相应的聚类中心更新方法,并基于模拟算例以及实际算例对两种聚类方法的曲线形态分类性能进行了对比和分析,分析结果表明所提曲线聚类方法在形态聚类方面有更好的性能,验证其可行性和有效性。 | 晏坤 甘景福 田新成 贺鹏康 马明晗 何宸 | 2021 | 电器与能效管理技术2021，，8： | 3 |
| 18 | 基于WMPCA的CVT计量误差评估方法显示文摘传统CVT计量误差评估方法具有一定的局限性,提出一种基于WMPCA的自适应误差评估方法。该方法采用移动窗原理和PCA方法实现计量误差Q统计阈值的更新,对比传统PCA和WMPCA的评估效果。研究表明,在长时间观测中,WMPCA方法比传统主成分方法更适用于评估长期运行的CVT,评估精确度更高;WMPCA方法适用于频繁变化的极端温度环境。本文方法可为长期运行的0.2级CVT计量误差评估提供一定的参考。 | 昌云松 王义平 武艳萍 车静文 陈适 邹梅 | 2021 | 电力电容器与无功补偿2021，42，3： | 3 |
| 19 | 基于CK-means算法的用户用电负荷聚类分析显示文摘针对传统K-means算法存在的对初始聚类中心敏感和需要预先给定K值的问题,提出了一种基于CK-means算法的用户用电负荷聚类分析方法。先对负荷数据进行预处理,通过密度Canopy算法可得到最优簇集值K与最佳初始聚类中心,将其代入K-means算法中可提取出典型的用户负荷模式、得到具有差异性的聚类成员,选取江西某地216名用户一个月的负荷数据进行实例仿真,通过与两种典型的聚类方法进行比较,并用不同的有效性指标来评价其聚类性能,实验结果证明改进后的新算法在准确性、稳定性和有效性方面都优于其它算法。 | 程江洲 何艳 鲍刚 潘飞 | 2021 | 计算机仿真2021，38，7： | 3 |
| 20 | 基于高斯核密度估计的典型负荷曲线形态聚类算法显示文摘在电力现货市场结算过程中,获取市场化用户的实时电量至关重要。文中聚焦现货市场中非分时计量用户的电量分解,设计了一种利用典型负荷曲线获取分时电量的方法和流程。文中选取样本用户,对样本用户计量数据进行预处理后得到完整样本典型负荷曲线。然后,文中提出一种基于核密度估计聚类中心的负荷曲线聚类方法,将kmeans算法原有的均值获取聚类中心升级为高斯核密度估计获取最大概率的聚类中心进行迭代计算,并将聚类中心曲线作为典型负荷曲线对不具备分时计量的用户进行日电量划分,划分至以15 min为颗粒度的电量进行结算,运用云南省样本用户计量数据,采用传统峰平谷比例分解、传统聚类算法以及本文改进聚类算法获取的典型负荷曲线进行电量的实时分解算例分析,结果显示,文章所提的改进Kmeans算法具备更好的分类性能和较好的效率,同时所分解电量具备更高的准确性。 | 严明辉 谢雄 李维劼 吴滇宁 崔雪 潘舒宸 | 2023 | 电测与仪表2023，60，2： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员