《表2 不同算法的48点曲线集聚类指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进分段线性表示与动态时间弯曲相结合的负荷曲线聚类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

附录A（附录）图A6所示为4种算法的聚类指标随迭代次数变化的曲线；表2所示为4种算法对日负荷曲线数据进行聚类分析的耗时、迭代次数及最终聚类指标的性能对比。由附录A（附录）图A6与表2可知，通过对原始负荷曲线集进行降维重构，本文方法的算法性能得到显著提升，相比于方法2，聚类指标优化明显，运算时间降低近50%；相比于方法1，虽然牺牲了一定的运算效率，但也因此获得了更高的聚类质量（I1指标下降16.51%、I2指标下降53.02%）；而相比于同样对原始负荷曲线集进行了降维重构的方法3，本文方法由于采用了更为严格的特征点筛选条件，在运算效率及聚类质量上都得到了进一步提升。因此，本文方法相比于其他3种方法，具有最优的综合性能。