《表3 3种聚类算法的聚类结果对比》
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
《基于离散小波变换和模糊K-modes的负荷聚类算法》
从图11中可以看出,K-means算法得到的负荷模板仅能表达原始曲线的1个波峰,而层次聚类算法得到的负荷模板表现为1个较为平稳的持续单波峰,两者都无法完整还原原始曲线的形态信息;而本文算法得到的负荷模板不仅可以表达原始曲线具有2个波峰这一特征,而且双峰的起止时间都较为接近原始负荷曲线,表现了很高的趋势一致性。为了更准确地衡量两者的差异,本文引入在相关领域广泛使用的评价指标,即平均绝对百分比误差(MAPE)、波峰时间差(PTE)、最大值误差(MME)[20-21],计算结果如表3所示。从表3中可以看出,相较于K-means算法及层次聚类算法,本文算法的MAPE、PTE、MME都相对较小,因此聚类结果的精度更高。与K-mans聚类算法及层次聚类算法相比,本文算法具有更优良的性能。
图表编号 | XD0030207600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.10 |
作者 | 张江林、张亚超、洪居华、高红均、刘俊勇 |
绘制单位 | 四川大学电气信息学院、成都信息工程大学控制工程学院、国网重庆市电力公司綦南供电分公司、四川大学电气信息学院、四川大学电气信息学院、四川大学电气信息学院 |
更多格式 | 高清、无水印(增值服务) |