典型文献
泛在电力物联网下基于DPSO-Kmeans的客户用电行为分析
文献摘要：
在泛在电力物联网的建设中,电力企业针对客户的用电行为进行分析是必不可少的.在以往的研究中,k均值聚类算法是常用的客户用电行为分析方法之一,然而由于初始质心采用随机选择的方式,使得其容易陷入局部最优且难以收敛到全局最小值.针对该问题,提出了基于改进的动态粒子群算法优化的K-means算法(DPSO-Kmeans),并将其用于客户用电行为的分析中.在实验中,通过对312个家庭用户的用电消费行为记录进行聚类分析,结果证明DPSO-Kmeans相对于传统的K-means算法具有更好的聚类效果,能够提取更为典型的客户用电行为模式.
文献关键词：
用电行为分析;K-means聚类算法;初始质心;动态粒子群算法;用电行为模式
中图分类号：
作者姓名：
王莹;项雯;张群;高秀云
作者机构：
哈尔滨工程大学 智能科学与工程学院,哈尔滨150001;国网黑龙江省电力有限公司经济技术研究院,哈尔滨150036;东北农业大学 电气与信息学院,哈尔滨150038
文献出处：
引用格式：
[1]王莹;项雯;张群;高秀云-.泛在电力物联网下基于DPSO-Kmeans的客户用电行为分析)[J].哈尔滨理工大学学报,2022(02):106-113
A类：
B类：
泛在电力物联网,网下,DPSO,Kmeans,户用,用电行为分析,电力企业,均值聚类,聚类算法,初始质心,随机选择,局部最优,最小值,动态粒子群算法,算法优化,家庭用户,用电消费,消费行为,用电行为模式
AB值：
0.276103
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。
