月刊
ISSN 1000-7229
CN 11-2583/TM
电力建设 ›› 2019, Vol. 40 ›› Issue (1): 68-76.doi: 10.3969/j.issn.1000-7229.2019.01.009
周冰钰1,2,刘博1,王丹1,2,兰宇1,马喜然1,2,孙冬冬1,2,霍秋屹1,2
ZHOU Bingyu 1,2, LIU Bo1,WANG Dan1,2, LAN Yu1, MA Xiran1,2, SUN Dongdong1,2, HUO Qiuyi1,2
摘要: 电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作。结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类。首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势。
中图分类号: