《表2 该市3种负荷类型特征》

  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LSTM自动编码器的电力负荷聚类建模及特性分析》

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

图4(a）和附录A图A4(a）中，为了可视化展示聚类效果，将8维度特征向量采用随机近邻嵌入（t-distributed stochastic neighbor embedding，t-TSNE）算法进一步降到2维后的散点图，t-TSNE算法是一种适合高维数据可视化展示的降维算法，该算法可以将多维数据映射到适合于观察的2～3维[24]。图4(b）和图A4(b）是每类负荷的典型负荷曲线。由图可知，所提方法将该市20个地区的负荷分成3类后，可以区分出每类负荷的典型特征曲线。由每类负荷的典型曲线可以推断，该市供电区域中第0类负荷和第1类负荷占比较大且变化比较稳定；第2类负荷占比较少，随机波动性较大。3种负荷类型特征见表2。经验证，表2所示的负荷类型和构成与该市20个地区的实际负荷特性分类和负荷构成相符。