基于實際負(fù)荷曲線的電力用戶分類技術(shù)研究.pdf

1、基于電力用戶負(fù)荷曲線進(jìn)行聚類分析，是獲得典型負(fù)荷分布和按負(fù)荷特性對用戶分類的重要手段，對于負(fù)荷預(yù)測、負(fù)荷控制、用電異常檢測甚至電價目錄制定和開發(fā)營銷策略等都有理論和實際意義。
　　 目前對負(fù)荷曲線聚類的方法有很多，各有優(yōu)點與不足。論文首先對常用的聚類算法K-means、凝聚型層次聚類、模糊c均值（Fuzzy c-mean，F(xiàn)CM）、自組織映射神經(jīng)網(wǎng)絡(luò)（Self-organizing Feature Maps，SOM）進(jìn)行了分析研

2、究，對高斯混合模型聚類算法（Gaussian Mixture Model，GMM）、極端學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM）、支持向量機(jī)（Support Vector Machine，SVM）等算法也進(jìn)行了研究討論。對于常用聚類算法，本文分別從國際公認(rèn)數(shù)據(jù)集IRIS、常用曲線聚類評價指標(biāo)、實際電力用戶負(fù)荷曲線的聚類結(jié)果三方面對各算法進(jìn)行分析比較，以得出適用于電力負(fù)荷曲線聚類的算法。然后將所得到的算法應(yīng)用于電