摘要：由于电力负荷的不确定性,负荷模型难以建立,所以很难提供有效数据进行负荷管理。目前,利用基于环境信号的负荷模型参数辨识方法,虽然可以很频繁地进行负荷模型参数辨识,但由于数据的不确定性,造成产生很多不同识别结果。针对数据平台的这一特性,文中提出了一种负荷模型参数聚类方法,从辨识结果中提取具有代表性的负荷模型参数,为负荷管理的数据平台架构提供有效支撑。为了得到更好的聚类结果,采用基于故障后响应曲线的模型距离进行聚类。采用K-medoids聚类算法,簇数由簇半径决定。仿真结果表明了所提出的负荷模型参数聚类方法的有效性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社