基于深度自编码器的分钟级负荷数据聚类分析

作者：徐博; 钱成功; 牛军伟^*; 王松云; 孙国强; 章逸舟

来源：广东电力, 2023, 36(03): 57-67.

• 聚类分析
• 负荷数据
• 深度自编码器
• 双尺度距离
• K-means算法

在数字化电网的全面建设和电力市场持续改革的背景下，电力服务商积极开展以负荷数据聚类分析为基础的用电行为分析。为了深入分析用户的用电行为模式，提出基于深度自编码器的分钟级负荷数据聚类分析方法。首先基于信息熵重构负荷数据，保留负荷数据的形态特征和提高数据的可区分性；接着提出深度自编码器的特征提取方法，同时利用边界少数样本过采样算法生成新的训练样本，对深度自编码器网络模型进行两阶段训练；最后基于欧式距离和动态时间扭曲距离的双尺度距离，计算负荷数据特征的相似性，以双尺度距离作为K-means算法的输入数据得到负荷聚类结果。基于南京市某台区的分钟级负荷数据的算例分析表明，所提方法提高了不同负荷数据分类的准确性。

• 单位
  河海大学; 江苏方天电力技术有限公司; 电气学院