基于改进kShape聚类的谐波污染分区方法

摘要

针对大量电力电子负荷接入后，谐波源数量大幅增加，全网谐波源位置追溯困难的问题，利用电能质量监测数据，提出一种基于双层聚类的谐波分区溯源方案。首先，使用基于波形相似性的k Shape时间序列聚类算法，通过计算谐波电压序列的形态距离来度量数据波动相似性，挖掘谐波污染关联信息；然后，引入自适应密度峰值聚类改进k Shape算法，解决初始聚类中心随机选取导致的局部最小化问题，实现最佳聚类数目的自适应选择。该方法能够有效实现多谐波源的区域化定位，缩小主导谐波源的嫌疑范围，适用于大规模谐波源接入场景的溯源分析。基于IEEE 123节点网络和监测平台的实测数据，验证了方法的有效性和实用性。

关键词

谐波溯源 / 谐波污染分区 / kShape聚类 / 时间序列相似性 / 自适应密度峰值聚类