泛在电力物联网下基于DPSO-Kmeans的客户用电行为分析

王 莹; 项 雯; 张 群; 高秀云

doi:10.15938/j.jhust.2022.02.014

Chinese

您当前的位置：

首页 >

文章列表页 >

泛在电力物联网下基于DPSO-Kmeans的客户用电行为分析

电气与电子工程 | 更新时间：2026-08-31

- 泛在电力物联网下基于DPSO-Kmeans的客户用电行为分析
- Analysis of Customer Power Consumption Behavior Based on DPSO-Kmeans under the Ubiquitous Power Internet of Things
- 哈尔滨理工大学学报 2022年27卷第2期页码：106-113
- 作者机构：
  
  1. 1哈尔滨工程大学智能科学与工程学院,哈尔滨,150001
  2. 3国网黑龙江省电力有限公司经济技术研究院,哈尔滨,150036
  3. 2东北农业大学电气与信息学院,哈尔滨,150038
- 作者简介：
- 基金信息：
- DOI：10.15938/j.jhust.2022.02.014
  中图分类号： TP301
- 纸质出版：2022
- 稿件说明：
移动端阅览
王莹, 项雯, 张群, 等. 泛在电力物联网下基于DPSO-Kmeans的客户用电行为分析[J]. 哈尔滨理工大学学报, 2022,27(2):106-113.

WANG Ying, XIANG Wen, ZHANG Qun, et al. Analysis of Customer Power Consumption Behavior Based on DPSO-Kmeans under the Ubiquitous Power Internet of Things[J]. 2022, 27(2): 106-113.
王莹, 项雯, 张群, 等. 泛在电力物联网下基于DPSO-Kmeans的客户用电行为分析[J]. 哈尔滨理工大学学报, 2022,27(2):106-113. DOI： 10.15938/j.jhust.2022.02.014.

WANG Ying, XIANG Wen, ZHANG Qun, et al. Analysis of Customer Power Consumption Behavior Based on DPSO-Kmeans under the Ubiquitous Power Internet of Things[J]. 2022, 27(2): 106-113. DOI： 10.15938/j.jhust.2022.02.014.

摘要

摘要:在泛在电力物联网的建设中，电力企业针对客户的用电行为进行分析是必不可少的。在以往的研究中，k均值聚类算法是常用的客户用电行为分析方法之一，然而由于初始质心采用随机选择的方式，使得其容易陷入局部最优且难以收敛到全局最小值。针对该问题，提出了基于改进的动态粒子群算法优化的K-means算法（DPSO-Kmeans），并将其用于客户用电行为的分析中。在实验中，通过对312个家庭用户的用电消费行为记录进行聚类分析，结果证明DPSO-Kmeans相对于传统的Kmeans算法具有更好的聚类效果，能够提取更为典型的客户用电行为模式。

Abstract

In the construction of the ubiquitous power Internet of Things

it is indispensable to analyze customers′ electricity consumption behavior for power companies. In previous studies

the K-means clustering algorithm is one of the commonly used methods for analyzing customer electricity consumption behavior. However

because the initial centroid is randomly selected

it is easy to fall into a local optimum and difficult to converge to a global minimum. To this problem

an improved K-means algorithm (DPSO-Kmeans) based on an improved dynamic particle swarm optimization algorithm is proposed and used in the analysis of customers′ electricity consumption behavior. In the experiment

the electricity consumption behavior records of 312 household users were used for cluster analysis. The results prove that DPSO-Kmeans has a better clustering effect than the traditional K-means algorithm

and can extract more typical customers′ electrical behavior pattern.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

改进的K-Means聚类算法在保险客户信用分析中的算法实现

哼唱检索中旋律特征的聚类与优化方法

大数据下风电场混合算法建模研究

混频级联 H 桥 SVG 纹波抑制方法

含轻微点蚀齿轮系统混沌的智能优化控制策略