基于K-means的智能电能表负荷测量估算

文章提出了一种基于K-means聚类分析的负荷估计算法。该算法将聚类的负荷曲线和距离函数应用于估算缺失和未来的测量值,研究了Canberra、Manhattan、Euclidean和Pearson的相关距离函数,利用聚合智能电能表的每日和分段负荷曲线实施了一些案例研究。当分段配置曲线覆盖的时间窗口≤24 h,仿真结果表明,Canberra距离优于其他距离函数。结果显示,分段式集群中心比每日集群中心产生更准确的负荷估计,聚类中心在16 h~24 h范围内获得更高的准确性估计。根据研究成果,可以将开发的负荷估算算法与状态估算或其他网络操作工具集成在一起,更好地监视和控制配电网络,为电力系统提供服务。