基于概率嵌入的屋顶太阳能光伏系统聚类
机器学习
2025-05-19 v1 信号处理
摘要
随着屋顶太阳能光伏（PV）安装数量的增加，汇集商和系统运营商需要监控和分析这些系统，导致大规模、空间分布的高维时间序列数据集成与管理的挑战，这些数据受缺失值影响显著。本文提出了一种基于概率实体嵌入的聚类框架，以解决上述问题。该方法将每个PV系统特征功率生成模式和不确定性编码为概率分布，然后通过统计距离和层次聚类对系统进行分组。应用于多年住宅PV数据集时，能够产生简洁且具备不确定性感知的聚类轮廓，优于基于物理的基线方法在代表性和鲁棒性方面，并支持可靠的缺失值插值。进一步的超参数系统研究提供了在模型性能和鲁棒性之间进行权衡的实用指导。
引用
@article{arxiv.2505.10699,
title = {Clustering Rooftop PV Systems via Probabilistic Embeddings},
author = {Kutay Bölat and Tarek Alskaif and Peter Palensky and Simon Tindemans},
journal= {arXiv preprint arXiv:2505.10699},
year = {2025}
}