通过对用电负荷用r软件进行聚类，我们可以提取典型负荷曲线，提高随后的用电量预测的准确性。

我将向您展示第一个用例，即通过K-medoids聚类方法提取典型的电力负载曲线。

我们必须以某种方式降低维度。最好的方法之一是使用时间序列表示来降低维度，减少噪音并强调时间序列的主要特征。

我们使用一种基本的基于模型的表示方法 - 平均季节性轮廓。另一个非常重要的通知是，时间序列的归一化是时间序列的每个聚类或分类之前的必要过程。

使用K-medoids（pam函数从cluster包）聚类方法 。

“最佳”数量的簇是7 。

我们用7个聚类数绘制聚类结果。 

现在，让我们尝试一些更复杂的方法来提取季节性分布 - GAM回归系数。

可视化结果：

再次聚类的最佳数量是7.让我们绘制结果。

 提取的消费情况比平均季节性情况更平滑。蓝色虚线与每日和每周季节性系数相接。

 我将向您展示一些非数据自适应表示的聚类结果，让我们选择例如DFT（离散傅立叶变换）方法并提取前48个DFT系数。

 因此，基于模型的时间序列表示在这种用例中非常有效（因此典型的剖面提取）。

FeaClip是从限幅表示特征提取方法。建议将FeaClip旁边的开窗方法用于时间序列的每一天。 

我们绘制结果

我们可以看到，现在出现了2个“肘部”。最大的变化是在2到3个簇之间，所以我会选择3号。

结论

在本教程中，我向您展示了使用时间序列表示方法来创建更多消费者的特征。