文章摘要:为提取电力负荷数据的有效信息，改善传统聚类算法在电力负荷数据中相似度衡量方式单一及聚类效果较差的问题，提出一种采用欧式形态距离的负荷曲线AP聚类方法。首先，使用五分位法将用电负荷曲线重表达为曲线形态变化特征序列，同时使用改进最长公共子序列算法衡量不同特征序列之间的模式匹配度作为曲线之间的差异度。然后，构造一种兼顾曲线整体分布特征和曲线形态变化特征的双尺度相似性度量方法，同时使用熵权法对两种特征进行自适应配比。最后，将所提相似度衡量方法应用到AP(Affinity Propagation)聚类算法中，改进相似度矩阵计算方案，对用户典型日用电负荷曲线进行聚类。算例在标准合成时间序列数据集上进行了实验对比，结果表明：欧式形态距离度量方法能够有效区分负荷曲线的变化特征、所提方法具有较高的聚类质量和算法稳健性，相比其他相似度量方案调整兰德系数提高了9.0%～43.8%，Davies-Bouldin指标与标准集仅相差0.0143，同时在电力实测数据集上也能对用户进行合理划分。

文章关键词:智能电网,双尺度相似性度量,曲线形态变化特征,负荷聚类,五分位法,

项目基金:国家重点基础研究发展规划资助项目（2018YFB1800304）,陕西省重点研发计划资助项目（2019GY-005）, 上一篇： 经济体制改革论文_加快“科技之花”转化为“ 下一篇：没有了