基于haar小波编码和改进K-medoids算法聚合的用户负荷典型区间场景挖掘

针对单一典型曲线无法满足负荷不确定性分析需求的问题,提出一种基于haar小波编码和改进K-medoids算法聚合的用户负荷典型区间场景挖掘方法。将原始负荷曲线经haar小波变换得到低维负荷近似序列;对负荷近似序列每个维度的特征集分别进行聚类,提取类簇所包含特征的边界值,得到数值区间并进行编码;根据特征占比剔除非显著数值区间,并组合不同维度的显著数值区间得到字符串表征的负荷区间序列;定义字符串差异度衡量负荷区间序列的相似性,利用改进K-medoids算法聚合得到负荷区间序列类簇,并提取类簇所包含的负荷近似序列的边界值以得到典型区间场景;设置差异度阈值实现典型区间场景的粒度调节。使用爱尔兰地区某用户实测负荷数据进行验证,实验结果表明所提方法可以实现不同粒度负荷典型区间场景的挖掘。