原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
机器学习聚类组合算法及其应用AMachineLearning-山东农业大学.PDF
山东农业大学学报 自然科学版( ),2018,49(3):463-466 VOL.49NO.32018
Journal of ShandongAgriculturalUniversity (Natural ScienceEdition ) doi:10.3969/j.issn.1000-2324.2018.03.019
机器学习聚类组合算法及其应用
1 2 3* 4
王琳璘 谢忠局 陈永权 王 琦, , ,
1. 国网能源研究院有限公司, 北京 102209
2. 北京汇通金财信息科技有限公司, 北京 100031
3. 华北电力大学, 北京 102206
4. 国网国际融资租赁有限公司, 北京 100020
摘 要: 本文首先分析了电力负荷的特点，并对现有的负荷特性指标做了分类，然后在详细分析系统聚类法和
K-means 聚类算法的基础上，结合电力负荷特性的特点提出了一种基于系统聚类与K-means 相结合的组合分
类方法，该方法可以用于电力负荷特性分类，也可以用于现金流量历史数据的特性分类以及负荷预测的数据
分析。最后，应用某产业园区电子企业的日负荷数据对算法做了算例验证，算例结果表明该方法能够对用户
的负荷特点做出较为准确的判断。
关键词: 系统聚类; K-means; 电力用户 负荷分类;
中图法分类号:TP181 文献标识码:A 文章编号:1000-2324(2018)03-0463-04
A MachineLearning CombinationClusteringAlgorithm andIts
Application
1 2 3* 4
WANG Lin-lin ,XIE Zhong-ju , CHEN Yong-quan ,WANG Qi
1.StatePowerEnergy ResearchInstitute Co.,Ltd.,Beijing 102209, China
2.BeijingHuitongFinancialMdtInfo Tech Co.Ltd,Beijing 100031, China
3.North ChinaElectric University,Beijing 102206, China
4.StatePowerInternationalFinanceLeasing Co.Ltd.,Beijing 100020, China
Abstract: The characteristics of power load first analyzed and the load characteristics indexes were made a classification in
thispaper.Then based on a detailed analysis of system clustering method and K-means clustering algorithm, combined with
the characteristics of the load characteristics ofpower system wasproposed.Thismethod can be applied to the classification
of power load characteristics, as well as the classification of cash flow historical data and data analysis of load forecasting.
Finally, the daily load data of a certain electronic enterprise as example to valid
文档评论（0）