基于函数型数据分析和k-means算法的电力用户分类

摘要：

为了对大量电力用户的稀疏、不规律的日耗电量数据进行特征分析，并对用户进行分类，文章提出一种函数性数据聚类分析方法。首先，应用kernel方法将离散的电量数据还原成连续曲线；然后，受 Sobolev 空间距离的启发，定义了新的函数距离，用于k-means 算法进行聚类。以某城市10000户居民538天的实际用电数据进行实验，得到了用户在不同距离和聚类个数下的聚类原型。实验结果显示，由于选取的用户主要是城市居民，其用电模式比较相似：大高峰时段主要在6—9月，小高峰时段主要在1—2月，日消耗波动较小。而不同用户类别的主要区别体现在用电量的范围上：低耗电用户整体低于13 kW×h/天，高耗电用户接近100 kW×h/天。

关键词：函数性数据分析、k-means、kernel 方法、智能电表、数据分析

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家863高技术基金项目2015AA050203；国家理科基地大学生能力培养子项目J1103105；上海市科技发展基金项目资助13dz2260200，13511504300。Projected Supported by the National High Technology Researchand Development Program of China 863 Program2015AA050203;National Talents Training Base for Basic Research and Teaching of Natural Science of ChinaJ1103105

在线出版日期：2015-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3153-3162