基于 DLT-Kmedoids 算法的用电负荷聚类分析

来源：计算机技术与发展杂志2024年第04期北京时间：

作者：陈苏豫;顾亦然;';张腾飞

单位：1. 南京邮电大学 自动化学院、人工智能学院,江苏 南京 210023;2. 南京邮电大学 智慧校园研究中心,江苏 南京 210023 Author(s): CHEN Su-yu1 ;GU Yi-ran1;2 ;ZHANG Teng-fei1 1. School of Automation and School of Artificial Intelligence,Nanjing University of Posts and Telecommunications,Nanjing 210023,China;2. Smart Campus Research Center,Nanjing University of Posts and Telecommunications,Nanjing 210023,China

摘要：针对高校用电负荷中传统聚类算法直接应用于时间序列聚类效果准确性较低的问题,提出一种融合 DTW 距离、LB_Keogh 距离以及时间窗口的 DLT - Kmedoids 算法,以提高聚类算法应用于时间序列的准确性以及算法效率。 DLT -Kmedoids 算法使用 DTW 计算时序数据之间的距离取代传统的欧氏距离度量方式,提高了相似性度量算法精度,同时也提高了聚类算法的准确性和复杂度,引入 LB_Keogh 距离在计算 DTW 距离之前过滤掉大部分不可能是最优匹配序列的序列,对于剩下的序列再使用 DTW 逐个比较,进一步降低算法的复杂度。 最后结合高校建筑用电负荷时间序列数据进行分析,通过与主流聚类算法进行比较,表明该算法对于高校用电负荷数据的聚类任务,能够更准确地识别相似的负荷模式,并以更高的效率进行聚类分析。

关键词：用电负荷数据;动态时间弯曲;LB_Keogh;聚类;用电模式