典型文献
基于多维缩放的日负荷曲线聚类分析
文献摘要：
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.
文献关键词：
多维缩放;降维聚类;权重配置;修正轮廓系数
中图分类号：
作者姓名：
徐毅;吴鸣;李广玮;王昕扬
作者机构：
上海电力大学电子与信息工程学院,上海200090;中国电力科学研究院有限公司,北京100192
文献出处：
引用格式：
[1]徐毅;吴鸣;李广玮;王昕扬-.基于多维缩放的日负荷曲线聚类分析)[J].电测与仪表,2022(10):80-86
A类：
修正轮廓系数
B类：
多维缩放,日负荷曲线聚类,负荷预测,需求侧响应,重要应用,前负荷,负荷数据,多维化,降维处理,Multi,Dimensional,Scaling,MDS,聚类方法,CRITIC,权重配置,配置方法,欧式距离,means,运行时间,降维聚类
AB值：
0.278009
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。
