《表1 AP聚类与K-means聚类结果Tab.1 The results of AP clustering and K-means clustering》
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
《基于近邻传播聚类和遗传优化的非侵入式负荷分解方法》
空调负荷为常见的连续变状态设备。居民用户在工作日和休息日下的用电模式不同,考虑到同一区域内环境温度、住宅隔热能力和热源大小等因素相差不明显的情况下,空调负荷的使用方案也会不同。根据一个典型月白天苏州环金鸡湖区某一户居民的样本空调运行数据,其中休息日11天,工作日19天,对样本设备在周末运行的功率数据进行聚类。K-means聚类算法是目前较多采用的聚类算法之一,该算法需要指定聚类数目作为算法输入量,因此所得结果带有一定主观成分。本文将K-means聚类作为AP聚类的对比算法,结果见表1。由于K-means聚类算法启动时随机选定聚类中心进行搜索,因而算法部分运行结果的聚类中心并不稳定,表中“相似度之和”代表所有点与对应聚类中心距离之和。因K-means算法每次运行时结果均有不同,故选取10次运行的平均值列出。
图表编号 | XD0014790300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.25 |
作者 | 徐青山、娄藕蝶、郑爱霞、刘瑜俊 |
绘制单位 | 东南大学电气工程学院、东南大学电气工程学院、国网江苏省电力公司、东南大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 AP聚类与K-means聚类结果Tab.1 The results of AP clustering and K-means clustering”的人还看了
- 表4 训练集中自适应K-means聚类的实验结果Tab.4 Experimental results of adaptive K-means clustering in the training set