Agrupación de perfiles de carga de clientes residenciales utilizando puntos extremos y características demográficas
Autores: Jeong, Hyun Cheol; Jang, Minseok; Kim, Taegon; Joo, Sung-Kwan
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Agrupación de perfiles de carga de clientes residenciales utilizando puntos extremos y características demográficas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Patrones de consumo de energía
Clientes residenciales
Puntos extremos
Características demográficas
Algoritmo de agrupamiento
Características basadas en K-medias
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 43
Citaciones: Sin citaciones
En este documento se propone un método sistemático para agrupar los patrones de consumo de energía de los clientes residenciales utilizando puntos extremos y características demográficas. Los puntos extremos del patrón de consumo de energía permiten una agrupación efectiva de los clientes residenciales. Además, las características demográficas pueden ser utilizadas para determinar un punto extremo efectivo para el algoritmo de agrupación. Se utiliza un método de selección de características basado en K-means para clasificar los patrones de consumo de energía de los clientes residenciales en seis tipos. Además, el tipo de patrón de consumo de energía puede ser identificado dependiendo de las características de los clientes residenciales. Los resultados analíticos de este documento muestran que los puntos extremos son efectivos en la agrupación de los patrones de consumo de energía de los clientes residenciales.
Descripción
En este documento se propone un método sistemático para agrupar los patrones de consumo de energía de los clientes residenciales utilizando puntos extremos y características demográficas. Los puntos extremos del patrón de consumo de energía permiten una agrupación efectiva de los clientes residenciales. Además, las características demográficas pueden ser utilizadas para determinar un punto extremo efectivo para el algoritmo de agrupación. Se utiliza un método de selección de características basado en K-means para clasificar los patrones de consumo de energía de los clientes residenciales en seis tipos. Además, el tipo de patrón de consumo de energía puede ser identificado dependiendo de las características de los clientes residenciales. Los resultados analíticos de este documento muestran que los puntos extremos son efectivos en la agrupación de los patrones de consumo de energía de los clientes residenciales.