摘要： 在分析電力系統(tǒng)負(fù)荷特性和用電行為的過(guò)程中，傳統(tǒng)聚類(lèi)方法面對(duì)高維數(shù)據(jù)的復(fù)雜樣本往往難以學(xué)習(xí)負(fù)荷樣本的深層特征。提出一種加入標(biāo)簽優(yōu)化的非對(duì)稱(chēng)卷積自編碼器的負(fù)荷深度嵌入聚類(lèi)方法，取消傳統(tǒng)卷積中的池化層和上采樣層，以全面保留負(fù)荷原始信息，并在編碼側(cè)使用殘差模塊強(qiáng)化特征提取能力；在聚類(lèi)層的偽標(biāo)簽設(shè)置過(guò)程中，使用自組織映射-K均值方法提供更精確的初始軟聚類(lèi)標(biāo)簽，從而提高聚類(lèi)效率?；趯?shí)際電... （共8頁(yè)）