电力大客户负荷模式研究被引量：1

下载PDF

导出

摘要在当前国家推进电力市场化交易的形势下,研究电力大客户的负荷模式具有重要意义。文章通过应用K-means的聚类算法,实现对工业大客户的电力负荷模式识别。同时,也提出了通过小波的方法压缩存储空间,并简要分析了负荷模式对负荷预测的作用。

作者罗煜

机构地区广东电网有限责任公司

出处《企业技术开发（下旬刊）》 2016年第4期117-119,共3页 Technological Development of Enterprise

关键词负荷模式 K-MEANS聚类负荷预测

分类号 TM714 [电气工程—电力系统及自动化]

引文网络
相关文献

参考文献9

1西奥多里蒂斯.李晶皎(译).模式识别(第四版)[M].北京:电子工业出版社,2012. 被引量：1
2刘耀年,伏祥运,张文生,曾令全.基于模糊识别与模糊聚类理论的短期负荷预测[J].电工技术学报,2002,17(5):83-86. 被引量：22
3许甜田..大用户负荷预测方法研究及其应用[D].湖南大学,2013:
4Jiawei Han,Micheline Kamber(著),范明,孟小峰(译).数据挖掘概念与技术[M].北京:机械工业出版社,2007.3.2. 被引量：64
5刘丽轻.电力用户负荷模式识别系统研究与设计[D].北京:华北电力大学,2011. 被引量：1
6张忠华..电力系统负荷分类研究[D].天津大学,2007:
7Kuncheva, L. L,Vetrov, etal.Evaluation of Stability of k-Means Cluster Ensembles with Respect to Random Initialization [J].IEEE Transactio ns on Pattern Analysis and Machine Intelligence,2006,(ll). 被引量：1
8Shehroz S. Kha,Amir Ahmad. Cluster center initialization algorithm for K-means clustering[J]. Pattern Recognition Letters,2004. 被引量：1
9仲伟宽.模糊聚类方法在用户负荷曲线分析中的应用[J].华东电力,2007,35(8):97-100. 被引量：11

二级参考文献6

1段铷,张彩庆,刘爱芳.模糊聚类在电力用户分类中的应用[J].电力需求侧管理,2005,7(5):18-20. 被引量：12
2刘晨辉.电力系统负荷预报理论与方法[M].哈尔滨:哈尔滨工业大学出版社,1987.. 被引量：16
3Richard J,Roiger,Michael W.Geatz 数据挖掘教程[M].北京:清华大学出版社,2003. 被引量：1
4陈元.基于粗糙集和模糊聚类的用户评价分析.华东电力,2002,(6):12-15. 被引量：1
5李登峰,陈守煜.多目标优化问题的模糊交叉算法与收敛性[J].应用数学,1997,10(3):107-109. 被引量：23
6汪峰,于尔铿,阎承山,李晓彬,刘军,刘永奇.基于因素影响的电力系统短期负荷预报方法的研究[J].中国电机工程学报,1999,19(8):54-58. 被引量：50

共引文献92

1任涛,马军海,付宁.基于遗传神经网络的电力系统负荷预测研究[J].内蒙古石油化工,2012,38(21):11-13.
2陈勇,李胜利,郑永志.运用数据挖掘构建智能电网调度运行分析系统的研究[J].自动化博览,2009,0(S1):26-29. 被引量：1
3姚李孝,宋玲芳,李庆宇,万诗新.基于模糊聚类分析与BP网络的电力系统短期负荷预测[J].电网技术,2005,29(1):20-23. 被引量：61
4刘耀年,庞松岭,刘岱.基于人工鱼群算法神经网络的电力系统短期负荷预测[J].电工电能新技术,2005,24(4):5-8. 被引量：17
5孙星,邱菀华,唐葆君,乔恒.基于模糊识别与聚类的企业危机预警模型设计[J].控制与决策,2006,21(3):267-270. 被引量：7
6于海燕,张凤玲.基于模糊神经网络的电力负荷短期预测[J].电网技术,2007,31(3):68-72. 被引量：31
7应剑烈,华国栋,刘耀年.基于v-SVR的短期电力负荷预测[J].东北电力大学学报,2007,27(2):43-47. 被引量：1
8刘览,孔原.基于模糊识别理论的无锡住宅市场发展阶段判别[J].河南商业高等专科学校学报,2008,21(4):49-52.
9贾德香,韩净.基于改进BP网络的电力系统超短期负荷预测[J].安徽电气工程职业技术学院学报,2008,13(3):71-73. 被引量：5
10刘勇,宁爱兵,许秋艳,马良.聚类分析的竞争决策算法[J].数学的实践与认识,2008,38(21):58-62.

同被引文献4

1Yi Wang,Qixin Chen,Chongqing Kang,Mingming Zhang,Ke Wang,Yun Zhao.Load Profiling and Its Application to Demand Response: A Review[J].Tsinghua Science and Technology,2015,20(2):117-129. 被引量：19
2张斌,庄池杰,胡军,陈水明,张明明,王科,曾嵘.结合降维技术的电力负荷曲线集成聚类算法[J].中国电机工程学报,2015,35(15):3741-3749. 被引量：136
3王美华,曾燕妮,蔡瑞初.改进K-Means聚类算法及其在视觉词典构造中的应用[J].计算机应用与软件,2015,32(10):159-163. 被引量：4
4潘巍,周晓英,吴立锋,王国辉.基于半监督K-Means的属性加权聚类算法[J].计算机应用与软件,2017,34(3):189-193. 被引量：6

引证文献1

1潘明明,田世明,魏娜,赵嵩正,王莉芳,吴磊.基于数据划分的工业电力负荷曲线聚类研究[J].电气自动化,2019,41(4):24-26. 被引量：5

二级引证文献5

1杨晓彬.基于曲线匹配的中长期电力负荷分配方法[J].机电信息,2019,0(35):163-163. 被引量：1
2原野,田园.基于DTW层次聚类算法的电力负荷数据特征研究[J].自动化仪表,2020,41(12):96-101. 被引量：8
3吴青筱,王合宁,仇浩宇,结艺頔,董骏峰.基于深度聚类的居民用户电力负载模式识别[J].科技创新与应用,2022,12(24):29-33. 被引量：1
4王新刚,赵舫,朱文君.基于综合能源计量数据的区域用能特性分析[J].中国电力,2022,55(9):140-145. 被引量：1
5胡文东,马明禹,刘航,徐庆华,李昆,李扬.面向工业生产的多可控负荷峰值需求控制算法研究[J].电工技术,2023(17):101-105.

1熊强,陈维荣,张雪霞,戴朝华,李奇.考虑多风电场相关性的场景概率潮流计算[J].电网技术,2015,39(8):2154-2159. 被引量：35
2杨晓芳.电力大客户用电信息采集系统的应用[J].中国电力教育（中）,2014(9):110-112.
3王惠民.提高电力大客户电能计量装置准确性的方法研究[J].通讯世界（下半月）,2015(6):162-163.
4宋俊山,王兴辉.浅析提高电力大客户电能计量装置安装质量的必要性[J].通讯世界（下半月）,2015(10):176-177. 被引量：1
5陈宁.谈提高电力大客户电能计量装置安装质量的必要性[J].通讯世界（下半月）,2015(9):163-164.
6梁将,温艳洁.分析电力大客户业扩报装风险点查找与预控[J].通讯世界,2015,21(11):82-83. 被引量：1
7胡康.状态检修模式下的变电检修技术分析[J].科技创新与应用,2016,6(29):194-194. 被引量：7
8白雪峰.电力系统短期负荷预测方法研究[J].科技风,2013(24):23-23. 被引量：1
9殷浩钦,黄宋波.电改“云南样本”[J].中国电业,2017,0(5):17-19.
10谷勇.浅谈供电管理中线损分析预测的作用[J].低碳世界,2013(09X):69-70.

企业技术开发（下旬刊）

2016年第4期

浏览历史

内容加载中请稍等...

电力大客户负荷模式研究被引量：1

参考文献9

二级参考文献6

共引文献92

同被引文献4

引证文献1

二级引证文献5

相关作者

相关机构

相关主题

浏览历史

电力大客户负荷模式研究 被引量：1

参考文献9

二级参考文献6

共引文献92

同被引文献4

引证文献1

二级引证文献5

相关作者

相关机构

相关主题

浏览历史

电力大客户负荷模式研究被引量：1