电网技术
電網技術
전망기술
Power System Technology
2015年
11期
3153-3162
,共10页
函数性数据分析%k-means%kernel 方法%智能电表%数据分析
函數性數據分析%k-means%kernel 方法%智能電錶%數據分析
함수성수거분석%k-means%kernel 방법%지능전표%수거분석
functional data analysis%k-means%kernel method%smart meter%data analysis
为了对大量电力用户的稀疏、不规律的日耗电量数据进行特征分析，并对用户进行分类，文章提出一种函数性数据聚类分析方法。首先，应用kernel方法将离散的电量数据还原成连续曲线；然后，受 Sobolev 空间距离的启发，定义了新的函数距离，用于k-means 算法进行聚类。以某城市10000户居民538天的实际用电数据进行实验，得到了用户在不同距离和聚类个数下的聚类原型。实验结果显示，由于选取的用户主要是城市居民，其用电模式比较相似：大高峰时段主要在6—9月，小高峰时段主要在1—2月，日消耗波动较小。而不同用户类别的主要区别体现在用电量的范围上：低耗电用户整体低于13 kW×h/天，高耗电用户接近100 kW×h/天。
為瞭對大量電力用戶的稀疏、不規律的日耗電量數據進行特徵分析，併對用戶進行分類，文章提齣一種函數性數據聚類分析方法。首先，應用kernel方法將離散的電量數據還原成連續麯線；然後，受 Sobolev 空間距離的啟髮，定義瞭新的函數距離，用于k-means 算法進行聚類。以某城市10000戶居民538天的實際用電數據進行實驗，得到瞭用戶在不同距離和聚類箇數下的聚類原型。實驗結果顯示，由于選取的用戶主要是城市居民，其用電模式比較相似：大高峰時段主要在6—9月，小高峰時段主要在1—2月，日消耗波動較小。而不同用戶類彆的主要區彆體現在用電量的範圍上：低耗電用戶整體低于13 kW×h/天，高耗電用戶接近100 kW×h/天。
위료대대량전력용호적희소、불규률적일모전량수거진행특정분석，병대용호진행분류，문장제출일충함수성수거취류분석방법。수선，응용kernel방법장리산적전량수거환원성련속곡선；연후，수 Sobolev 공간거리적계발，정의료신적함수거리，용우k-means 산법진행취류。이모성시10000호거민538천적실제용전수거진행실험，득도료용호재불동거리화취류개수하적취류원형。실험결과현시，유우선취적용호주요시성시거민，기용전모식비교상사：대고봉시단주요재6—9월，소고봉시단주요재1—2월，일소모파동교소。이불동용호유별적주요구별체현재용전량적범위상：저모전용호정체저우13 kW×h/천，고모전용호접근100 kW×h/천。
In this paper, a functional cluster method to analyze features of sparse and irregular longitudinal electricity data and to cluster all users is proposed. Firstly, kernel method is applied to estimate daily continuous curves of discrete data. Then, inspired by distance in Sobolev space, new distances for functional data usable ink-means algorithm are proposed. Based on experiment, electricity consumer archetypes for all users in different functional distances and cluster numbers are calculated. Result shows that, because users in experiment are mainly city residents, their consumption patterns are similar:big peak period is between June and September, small peak is between January and February, and consumption fluctuations aren’t very intense. However, main difference is in consumption ranges: low-consumption user’s daily consumptions are lower than 13 kW×h overall, while high-consumption users use almost 100 kW×h every day.
