基于自组织映射神经网络电力用户负荷曲线聚类_李智勇.pdf

下载文档

14
0
约2.18万字
约 6页
2017-08-31 发布于安徽
举报
版权申诉
保障服务

基于自组织映射神经网络电力用户负荷曲线聚类_李智勇.pdf

1、本文档共6页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

32 15 Vol.32 No.15 2008 8 10 Aug. 10, 2008 1 1 1 2 李智勇 , 吴晶莹 , 吴为麟, 宋保明 (1. , 310027; 2. , 102200) : 电力用户负荷曲线的聚类是形成合理电价体系和实施负荷管理措施的基础文中基于自组映射(SOM) 神经网络进行低压终端用户的负荷曲线聚类研究首先定义并提取功率曲线分时功率功率频谱3类向量,分别作为SOM 神经网络的输入进行可视化聚类采用相对量化误差和拓扑误差2 个指标表征聚类质量,选取聚类结果最好的SOM 输出层结合k 均值法进行用户负荷曲线划分根据Davies指标将所研究的131条曲线划分为8类, 对每类曲线进行描述最后进行新用户的识别, 结果表明聚类方法有效可靠 : 数据挖掘; 电力用户; 负荷曲线; 聚类分析; 自组映射 : TM714; TP18 0 PSÒ , 20 , , , , , , ,, [1] (SOM) , , 3 ,, SOM , k , , , [2] , 1 SOM ,, SOM , Kohonen20 80 2090 ,, [14] [3] , Kohonen , 1999 , SOM (n ) , (2), 100 k , , , [2] , [4-10] , k [2-3,5-10]