《表4 不同算法的聚类指标》

  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

由表4可知，随着对负荷曲线所加扰动的增加，各类方法的聚类质量指标基本呈下降趋势。方法1与方法2在小扰动干扰下，聚类质量指标尚可，但当扰动r≥10%时，聚类质量指标出现大幅下降，且方法2的I2指标下降速度要低于方法1。这是因为，方法1与方法2直接应用原始负荷曲线数据集进行聚类，导致每个采样点的采样值都会对聚类结果产生直接影响，从而使其无法准确提取曲线的动态特性，产生较大的聚类偏差，但方法2由于采取DTW距离作为相似度衡量手段，所以在动态特性指标I2上表现出更强的鲁棒性。方法3和本文方法由于对原始曲线进行了特征点提取，并以DTW距离作为相似度衡量方法，综合考虑负荷曲线的动态特性，因此受扰动影响较前两者小，故在中小扰动工况下（r≤20%）都能表现出较好的鲁棒性。但在大扰动工况下，方法3和本文方法鲁棒性出现了较大幅度下滑，这主要是因为阈值参数是按照一般工况进行的设定，取的是日负荷曲线相关特性参数的平均值，当扰动过大时，部分扰动点将被误提取为特征点。但是，本文方法在中小扰动及大扰动工况下的鲁棒性，依然略优于方法3，这主要得益于其更严格的特征点提取方法，进一步降低了扰动的负面影响。