典型文献
面向负荷特征分析的地理分布式协同聚类方法
文献摘要：
能源互联网架构下,用户数据传输延迟和电力公司管理规定促使电力数据中心在全国各地建立,电力数据因而呈现地理分布式,对此研究了在地理分布式情景下的用户负荷特征聚类算法.首先,对于地理节点内用户负荷的特征分析,在采用主成分分析与负荷指标特征加权组合算法的基础上,提出了考虑密度峰值信息的K-means算法,并为地理节点间的信息共识提供了支撑.其次,针对用户需求的地理分布式网络化感知结构,构建了考虑特征迁移的分布式聚类模型框架,提出将节点局部信息通过参数共识得到全局聚类模型的分布式K-means算法,在节点间仅传递公开信息的前提下,实现了用户特征的全局聚类.最后,通过爱尔兰、中国北方部分城市的负荷数据对模型及算法进行验证.结果显示,分布式K-means能利用全局信息、考虑不同区域的差异来更好地识别典型用电曲线,并且算法具有较好的可迁移性.
文献关键词：
分布式聚类;负荷特征;参数共识;密度峰值聚类;迁移学习
中图分类号：
作者姓名：
刘家丞;吴江;刘鹏远;徐占伯;李晓鹏;管晓宏
作者机构：
智能网络与网络安全教育部重点实验室(西安交通大学),陕西省西安市 710049;国网陕西省电力公司西安供电公司,陕西省西安市 710048
文献出处：
引用格式：
[1]刘家丞;吴江;刘鹏远;徐占伯;李晓鹏;管晓宏-.面向负荷特征分析的地理分布式协同聚类方法)[J].电力系统自动化,2022(15):112-120
A类：
参数共识
B类：
负荷特征分析,地理分布,分布式协同,同聚,聚类方法,能源互联网,网架,用户数据,数据传输,传输延迟,电力公司,公司管理,管理规定,电力数据中心,用户负荷,特征聚类,聚类算法,负荷指标,指标特征,特征加权,组合算法,means,用户需求,分布式网络化,化感,感知结构,特征迁移,分布式聚类,聚类模型,模型框架,局部信息,识得,公开信息,用户特征,爱尔兰,中国北方,负荷数据,全局信息,可迁移性,密度峰值聚类,迁移学习
AB值：
0.420167
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。
