论文部分内容阅读
提出一种基于Pearson相关系数作为聚类判据的负荷曲线聚类算法——Pearson相关聚类（Pearson Correlation Clustering,PCC）。首先对负荷数据进行数据清理以及去噪处理,再选择合适的降维算法以降低数据处理的复杂性。提出利用Pearson相关系数阈值作为聚类中心选择依据的方法解决初始聚类中心选择的随机性;利用电力负荷曲线数据与聚类中心之间的Pearson相关系数进行聚类,以DBI指标作为聚类效果的评价标准,分析了不同系数对聚类效果的影响。算例结果表明,该算法相比传统算法运行