电力科学与技术学报2023，Vol.38Issue(1) ：130-137.DOI:10.19781/j.issn.1673-9140.2023.01.015

基于节点日负荷曲线的深度嵌入式聚类及其改进方法对比研究

Comparative study on deep embedded clustering and its improved methods based on node daily load curve

陈谦 陈嘉雯 王苏颖 史锐
电力科学与技术学报2023，Vol.38Issue(1) ：130-137.DOI:10.19781/j.issn.1673-9140.2023.01.015
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于节点日负荷曲线的深度嵌入式聚类及其改进方法对比研究

Comparative study on deep embedded clustering and its improved methods based on node daily load curve

陈谦 1陈嘉雯 1王苏颖 1史锐1
扫码查看

作者信息

  • 1. 河海大学能源与电气学院,江苏 南京 211100
  • 折叠

摘要

基于日负荷曲线的负荷节点分类是负荷建模的重要环节,详略得当的分类结果保留了负荷节点的内在特性,可提升电力系统仿真计算的效率.当前基于人工智能的节点聚类方法进展迅速,然而总体上针对数据深层特征提取的适应性仍存在不足.采用了基于改进的深度嵌入式算法的日负荷曲线聚类方法,利用神经网络可有效提取数据的深层特征的能力.进而,提出一种先升维后聚类的改进方法,通过算例对比分析,验证了本文所提算法的可行性,以及所提升维—重构聚类方法的正确性.

关键词

负荷建模/日负荷曲线聚类/深度嵌入式/升维-重构聚类

引用本文复制引用

基金项目

国家自然科学基金(51837004)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子：0.85
ISSN：1673-9140
被引量1
参考文献量12
段落导航相关论文