Resumen

La agrupacin de series multivariantes de consumo elctrico puede reflejar las tendencias de los cambios en el consumo elctrico en el periodo de tiempo pasado, lo que puede proporcionar una orientacin fiable para la produccin de electricidad. Sin embargo, existen algunas series anmalas en los datos de las series multivariantes de consumo elctrico del pasado, mientras que los valores atpicos afectarn al descubrimiento de las tendencias de consumo elctrico en diferentes periodos de tiempo. Para abordar este problema, proponemos un modelo robusto de factorizacin de grafos para la agrupacin multivariante del consumo elctrico (RGF-MEC), que realiza la factorizacin de grafos y el descubrimiento de valores atpicos simultneamente. RGF-MEC obtiene primero un grafo de similitud calculando la distancia entre los datos de las series de consumo elctrico multivariante y luego realiza una factorizacin matricial robusta en el grafo de similitud. Mientras tanto, el grfico de similitud se descompone en una incrustacin relacionada con la clase y una incrustacin espectral, donde la incrustacin relacionada con la clase revela directamente los resultados finales de la agrupacin. Los resultados experimentales sobre conjuntos de datos realistas de series temporales multivariantes y conjuntos de datos de series multivariantes de consumo elctrico demuestran la eficacia del modelo RGF-MEC propuesto.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Multivariante; Consumo eléctrico; Agrupación; Valores atípicos; Factorización gráfica; Modelo robusto
• Keywords:Multivariate; Electricity consumption; Clustering; Outliers; Graph factorization; Robust model