基于多维缩放的日负荷曲线聚类分析

负荷曲线聚类在负荷预测,需求侧响应等方面有重要应用。目前负荷数据日趋海量化和多维化,需要对其进行降维处理,但现有的降维会对曲线信息造成一定程度的损失,为此提出了一种基于多维缩放(Multi-Dimensional Scaling,MDS)降维的日负荷曲线聚类方法。首先使用MDS算法对采集到的负荷数据进行降维处理,然后采用CRITIC—熵权法作为降维指标的权重配置方法,最后通过计及权重的修正轮廓系数选择最优类簇数,以加权欧式距离的K-means算法进行聚类。通过算例表明该方法能最大程度保留原始曲线信息,在聚类准确度和运行时间两方面均有优势。     

基于ISODATA的实时动态电动汽车运行工况与耗电特性研究

针对电动汽车行驶工况进行研究是确定电动汽车能耗、电动汽车新型技术和评估的核心方法.采集电动汽车在实际道路行驶的数据,使用主成分分析算法(Principal Component Analysis,PCA)、迭代自组织数据分析算法(Iterative Self Organizing Data Analysis Techniques Algorithm,ISODATA)以及运动学片段分析法对实测的数据进行降维和聚类,利用Silhouette函数验证聚类结果的合理性.根据聚类中心的大小,筛选提取的运动学片段,构建电动汽车实际行驶的代表性工况,通过测试数据进行了差异性检验.在建立代表性工况的基础上,提出电动汽车能耗特性和电量实时估算方法.