典型文献
基于奇异值分解和改进FCM的日负荷聚类方法
文献摘要：
随着电力体制改革的不断深入,为争夺市场份额、吸引潜在用户购电并提高自身收益,售电公司愈发重视用户的用电体验.对用户日负荷曲线的聚类分析能够有效挖掘用户的用电行为特性,进而为售电公司提供决策依据.针对FCM算法运行时间较长、对初始数据敏感、容易陷入局部最优、需要人为给定类簇数以及聚类结果不稳定等问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和改进FCM的日负荷聚类方法.首先对日负荷数据进行奇异值分解降维;然后,利用KNN和DPC算法形成初始类簇中心矩阵,并在FCM算法的迭代寻优过程中通过局部密度和邻近点对隶属度进行修正;最后,以某地区工商业用户日负荷曲线进行算例分析.结果 表明,与传统聚类算法相比,该方法的聚类结果更准确、更稳定,运行速度更快.
文献关键词：
用电行为分析;负荷曲线聚类;奇异值分解;FCM;密度峰值聚类;KNN
中图分类号：
作者姓名：
赵省军;和建军;姚黄金;宋长城;侯世杰;欧星良
作者机构：
国网甘肃省电力公司武威供电公司,甘肃武威733000;西华大学电气与电子信息学院,四川成都610039
文献出处：
引用格式：
[1]赵省军;和建军;姚黄金;宋长城;侯世杰;欧星良-.基于奇异值分解和改进FCM的日负荷聚类方法)[J].电气应用,2022(02):20-26
A类：
B类：
奇异值分解,FCM,负荷聚类,聚类方法,电力体制改革,争夺,市场份额,引潜,潜在用户,购电,售电公司,日负荷曲线,行为特性,决策依据,运行时间,局部最优,Singular,Value,Decomposition,SVD,负荷数据,KNN,DPC,类簇中心,中心矩,迭代寻优,局部密度,隶属度,某地区,工商业用户,算例分析,聚类算法,更稳,运行速度,用电行为分析,负荷曲线聚类,密度峰值聚类
AB值：
0.400377
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
