| 基于KL-散度的智能电网用户特征提取方法 |
| |
| 引用本文： | 赵文清,杨璐,李刚. 基于KL-散度的智能电网用户特征提取方法[J]. 应用声学, 2016, 24(8): 36-36 |
| |
| 作者姓名： | 赵文清 杨璐 李刚 |
| |
| 作者单位： | 华北电力大学 控制与计算机工程学院,华北电力大学 控制与计算机工程学院,华北电力大学 控制与计算机工程学院 |
| |
| 基金项目： | 国家自然科学基金（51407076）；河北省自然科学基金（F2014502050）；河北省高等学校科学研究项目（Z2013007）；中央高校基本科研业务费专项资金资助（2015ZD28） |
| |
| 摘 要： | 智能电网技术的发展，使得传统电力系统的规模及复杂度大大增加，同时产生了大量的用电数据，如何有效利用数据挖掘技术，从这些海量数据中挖掘出有潜在价值的信息，成为了当前电力系统分析中的一个挑战性问题。首先根据不同的时间段，将用户的用电数据进行划分，在分析每段时间内用户用电数据的基础上，采用KL-divergence（KL-散度）方法衡量用户差异，并结合基于密度改进的K-means算法，给出了一种新的用户特征提取算法，用以描述电网用户的特征差异，从而实现针对不同类别用户制定不同电力营销策略，这在一定程度上能够提高企业经济效益。最后，算例仿真结果表明，所给出的用户特征提取算法在计算的时间效率和准确性上，较传统方法都有了明显的提升。
|
| 关 键 词： | 智能电网 特征提取 数据挖掘 K-means |
| 收稿时间： | 2016-01-21 |
| 修稿时间： | 2016-03-08 |
Client Feature Extraction Method in Smart Grid Based on KL-divergence |
| |
| Abstract: | With the rapid development of smart grid, a great amount of related usage data in the smart grid is produced every day. Then how to make use of these data and mining the potential information become a huge challenge. Based on the analysis of user power data, by combining the KL- divergence method with the improved K-means algorithm, we give a new user feature extraction algorithm, which is used to describe the difference of power grid users. Finally, we validated the effectivity and efficiency of our algorithm by experiments. |
| |
| Keywords: | Smart Grid Feature Extraction Data Mining K-means |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
|
点击此处可从《应用声学》下载全文 |
