| 基于KL变换和KL散度的电网数据特征提取与分类 |
| |
| 引用本文： | 李晖照,王雪,郭莹.基于KL变换和KL散度的电网数据特征提取与分类[J].电测与仪表,2019,56(6):87-92. |
| |
| 作者姓名： | 李晖照 王雪 郭莹 |
| |
| 作者单位： | 国网湖北省电力公司,武汉,430077;国网湖北省电力公司客户服务中心,武汉,430077 |
| |
| 摘 要： | 智能电网用户行为特征的分析在电力营销策略中扮演者重要的角色。文中结合KL变换和KL散度的方法,提取与分类用电数据信息的特征,实现不同类型的用电数据划分。同时通过综合分析所有用户的日负荷曲线,提取不同类型用户的典型日负荷曲线。研究结果表明:基于KL变换的方法,通过对原始数据的压缩和主要特征的保留,大大降低了智能电网数据提取与分类的计算量,提高了时间效率;基于KL散度的方法,通过对k-means算法中的k值和初始聚类中心的选择进行优化,提高了聚类效果的准确率;实例中电网用户正常数据为38组,可分为3类典型用户,迎峰用电型、错峰用电型、部分迎峰用电型。该研究结果可以更加有效地对电网用户用电行为进行分类,从而为售电公司进行业务拓展提供技术基础。
|
| 关 键 词： | KL变换 KL散度 电网数据 特征提取 初始聚类 负荷曲线 |
| 收稿时间： | 2018/1/22 0:00:00 |
| 修稿时间： | 2018/1/22 0:00:00 |
Feature Extraction and Classification in Smart Grid Data Based on KL-divergence and KL Transform |
| |
| Affiliation: | State Grid Hubei Electric Power Corporation |
| |
| Abstract: | |
| |
| Keywords: | KL transform KL-divergence grid data feature extraction initial clustering load profile |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《电测与仪表》浏览原始摘要信息 |
|
点击此处可从《电测与仪表》下载全文 |
|
