通過對用電負荷進行聚類，我們可以提取典型負荷曲線，提高隨后的用電量預測的準確性。

我將向您展示第一個用例，即通過K-medoids聚類方法提取典型的電力負載曲線。

我們必須以某種方式降低維度。最好的方法之一是使用時間序列表示來降低維度，減少噪音并強調時間序列的主要特征。

我們使用一種基本的基于模型的表示方法 - 平均季節性輪廓。另一個非常重要的通知是，時間序列的歸一化是時間序列的每個聚類或分類之前的必要過程。

使用K-medoids（pam函數從cluster包）聚類方法 。

“最佳”數量的簇是7 。

我們用7個聚類數繪制聚類結果。

現在，讓我們嘗試一些更復雜的方法來提取季節性分布 - GAM回歸系數。

可視化結果：

再次聚類的最佳數量是7.讓我們繪制結果。

提取的消費情況比平均季節性情況更平滑。藍色虛線與每日和每周季節性系數相接。

我將向您展示一些非數據自適應表示的聚類結果，讓我們選擇例如DFT（離散傅立葉變換）方法并提取前48個DFT系數。

因此，基于模型的時間序列表示在這種用例中非常有效（因此典型的剖面提取）。

FeaClip是從限幅表示特征提取方法。建議將FeaClip旁邊的開窗方法用于時間序列的每一天。

我們繪制結果

我們可以看到，現在出現了2個“肘部”。最大的變化是在2到3個簇之間，所以我會選擇3號。

結論

在本教程中，我展示了使用時間序列表示方法來創建更多消費者的特征。

轉載于:https://www.cnblogs.com/tecdat/p/11060157.html

總結

以上是生活随笔為你收集整理的R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。