共查询到20条相似文献,搜索用时 0 毫秒
1.
《贵州电力技术》2021,(2)
为掌握大客户的用电习惯和用电特征、满足不断变化的客户用电需求、逐步提升大客户领域供电服务水平,本文采用K-均值聚类算法、二八定律、归一化算法等统计分析方法,运用SPSS等数学分析工具,从行业特点、客户价值、用电需求、成长性等方面刻画用电客户群体特征,挖掘大客户用电数据中的隐藏数据和潜在价值,得出五类典型的大客户用电负荷特征曲线,建立对应的五类典型用户分类,得到了五类用电行为特征的结果,通过结果分析得出半数以上用户的用电特点、同类型的船舶制造业仍然具有不同的用电特点、电能紧张时优先对建筑业和采矿业实施有序用电可以取得较好效果,最终对企业的电力营销和调度进行决策支撑,为用电需求侧管理、优化客户服务管理规范提供辅助决策。 相似文献
2.
通过对负荷数据的归类分析,可以得到电力用户的用电行为特征,为需求响应策略制定和效果评估提供支撑。首先,对负荷数据进行预处理,包括非正常数识别与处理,以及平滑处理去除毛刺数据;其次,针对模糊C均值聚类算法对初始聚类中心敏感、易陷入局部最优和受噪声影响大等问题,提出采用最短距离法聚类为模糊C聚类提供初始聚类中心、利用有效性分析类内样本相似程度和不同类之间独立程度来判别聚类结果优劣、以及通过数据密度识别并剔除噪声点等改进措施,提升了模糊C均值聚类算法性能;最后,通过对比其他方法以及对某纺织企业负荷聚类分析,验证了改进算法的正确性与有效性。 相似文献
3.
5.
6.
现有的谐振接地配电网单相接地故障定位方法存在通信依赖过度、特征分析复杂和阈值设置困难等问题,现场运行的适用性较低。本文基于深度融合智能开关在配电网中的应用,研究三相电流变化量的波形特征,提出基于K均值聚类算法的就地选段方法。该方法提取各区段数据特征量,发挥K均值聚类算法无监督学习的优点,使各检测节点只需处理本地故障信号,从而减轻通信压力。利用仿真和现场数据验证该方法的可行性,结果表明,该方法在多种故障工况下都表现出较高的可靠性,并且能够较好地适应现场环境。 相似文献
7.
海量用户用电特性的挖掘与分析对实现电网与用户间的双向互动具有十分重要的意义。提出一种适用于海量用户用电行为聚类及分析的算法,以降低算法时间复杂度,提升海量用户负荷数据分析效率。提取用户用电行为特征,构建多层去噪自编码网络,实现多维特征的降维;利用小批优化K均值算法进行聚类分析,并对算法进行初始聚类质心优化与超参数优化的改进以提升算法收敛速度与效果,其中超参数优化利用基于高斯过程的贝叶斯优化算法进行;利用类间分离度和类内内聚度的相关指标对聚类效果进行评价;通过互信息筛选有效聚类特征,实现用户画像。算例结果表明,所提方法在特征优化、聚类效果与收敛速度上均有较好的表现。 相似文献
8.
基于聚类分析的故障诊断方法能够按照故障样本之间的相似性无监督地将同类故障聚为一簇,当前已成为一类有效的故障诊断策略。为解决传统聚类算法受初始聚类中心的影响,易陷入局部最优解的问题,提出一种最小最大核K均值聚类方法。该方法在聚类过程中为簇内方差赋以与其大小成正比的自动修正的权重,并引入核函数技术以处理低维输入空间的线性不可分问题,大大提高了聚类的精确性。在标准数据上将所提方法与标准K-means及K-means++比较,显示了所提算法的有效性和优越性。基于这一聚类方法提出了一种具有自学习能力的故障诊断模型。将该诊断模型应用于水电机组振动故障诊断,实例验证了模型的可行性。 相似文献
9.
10.
基于聚类分析的故障诊断方法能够按照故障样本之间的相似性无监督地将同类故障聚为一簇,当前已成为一类有效的故障诊断策略。为解决传统聚类算法受初始聚类中心的影响,易陷入局部最优解的问题,提出一种最小最大核K均值聚类方法。该方法在聚类过程中为簇内方差赋以与其大小成正比的自动修正的权重,并引入核函数技术以处理低维输入空间的线性不可分问题,大大提高了聚类的精确性。在标准数据上将所提方法与标准K-means及K-means++比较,显示了所提算法的有效性和优越性。基于这一聚类方法提出了一种具有自学习能力的故障诊断模型。 相似文献
11.
12.
在分析人工免疫系统聚类算法的基础上研究基于人工免疫系统聚类算法的用电客户信用分析原理,建立用电客户信用分析指标体系,根据电力公司客户数据,采用人工免疫系统聚类分析方法对用电客户信用进行分析,将用电客户信用按高、中、低三类进行聚类,经计算得到信用高、中、低的用电客户分别为2家、3家、1家。结果表明人工免疫系统聚类分析方法只要确定了浓度阈值和聚类个数就可得到结果,计算过程简单,能够适用于大数据量,对专业知识的要求较低,对于数据的顺序不敏感,是一种进行用电客户信用分析的较好方法。 相似文献
13.
14.
利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,可对猪肉组织造成3个等级程度的损伤。从B超图像处理方向出发,提出一种基于K均值聚类并结合双参数的组织损伤等级判定方法。通过B超仪器实时获取HIFU辐照前后的134例猪肉组织图像,并做预处理获得焦斑区域的减影图像。再提取减影图像的灰度均值和小波系数均值,利用K均值聚类的方法对猪肉样本组织的损伤等级进行分类处理。实验结果表明,灰度均值参数能较好地区分第2、3等级程度的损伤,小波系数均值能较好地区分第1、2等级程度的损伤,而基于K均值聚类并结合双参数的分类方法结合了前两者的优点,在组织损伤等级的总辨识率上分别提高了5.23%和3.43%,更能准确地判定组织的损伤等级,便于临床医生客观地监控HIFU治疗过程,对提高HIFU疗效有实际意义。 相似文献
15.
在阐述光伏电站运行状态模式识别意义的基础上,提取了表征光伏电站运行状态的相关特征参量。基于K-means聚类原理,对广东佛山某光伏电站的实际运行数据进行相关数据处理得到相应的特征矩阵。利用K均值算法进行聚类分析,结果表明K均值聚类算法在光伏电站运行状态的模式识别上具有良好的聚类综合能力,可有效解决光伏电站运行状态模式分类处理的复杂性问题,具有重要的理论和应用价值。 相似文献
16.
传统电力负荷大数据均衡调度方法无法应用于多源数据,导致负荷数据的划分精度偏低,开销较大,电力负载均衡性改善效果不明显。为此,提出基于最优K均值聚类算法的负荷大数据任务调度均衡方法。采用K均值聚类算法划分电力负荷大数据,并利用密度法优化K均值聚类算法的初始聚类中心点,获取电力负荷大数据最优分类结果;通过提取各分类结果的关联特征,获取电力大数据跨域调度的输出特征量,结合自适应权重学习方法,完成电力负荷大数据的跨源调度。实验测试结果表明:该方法可根据不同的电力负荷特点,高效完成用户电力负荷大数据分类。具备良好的负荷大数据跨源调度均衡性,且负载均衡离差均低于0.19,调度开销低于0.95 s,以上数据表明所提的电力负荷大数据跨源调度方法具有实用性。 相似文献
17.
18.
19.
以上海市长宁区的大型办公建筑为研究对象,利用数据分析方法分析其用电行为与节能潜力。针对传统用电行为分析,采用单一聚类算法拓展性较差的问题,文章提出通过优选方法进行聚类融合以吸收不同算法优点,增强算法适应能力。首先进行方法优选,针对聚类效果评价指标的不一致问题,提出综合聚类评价指标并对R语言库中大量的单一聚类方法进行评价,采用基于簇的相似度划分算法(CSPA)进行聚类融合。试验集的结果表明该聚类融合方法具有更好的有效性。利用该改进聚类融合算法对用户负荷曲线进行聚类,提取用户用电模式,分析其用电构成与特征,并进行节能策略的分析。结果表明,该办公类建筑具有4类基本用电模式,且有一定节能潜力。 相似文献