基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf

基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf

ID:52482946

大?。?28.12 KB

頁數(shù):6頁

時間:2020-03-28

基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf_第1頁
基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf_第2頁
基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf_第3頁
基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf_第4頁
基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf_第5頁
資源描述:

《基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究.pdf》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫

1、第38卷第16期電力系統(tǒng)保護(hù)與控制Vl01.38No.162010年8月16日PowerSystemProtectionandControlAug.16,2010基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究楊浩,張磊,何潛,牛強(qiáng)(1.重慶大學(xué)輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室,重慶400044;2.重慶市電力公司,重慶400014)摘要:針對當(dāng)前負(fù)荷建模中存在的負(fù)荷時變性問題,提出了基于自適應(yīng)模糊C均值聚類的電力負(fù)荷動特性分類方法。探討了聚類分析方法在負(fù)荷動特性分類中的應(yīng)用,包括聚類特征向量的選取和分類方法研究兩個方面。對原始模糊c

2、均值聚類算法中的聚類數(shù)C進(jìn)行了研究,在原始算法中融入新的聚類有效性函數(shù),對算法進(jìn)行了改進(jìn),改進(jìn)算法不需要預(yù)先選擇類的數(shù)目作為先驗(yàn)值。通過動模實(shí)驗(yàn)數(shù)據(jù)的負(fù)荷分類實(shí)例,表明該方法可自動荻取最佳分類數(shù),且分類效果要好于原始算法。關(guān)鍵詞:電力負(fù)荷;模糊C均值算法;自適應(yīng);動態(tài)特性聚類;負(fù)荷建模StudyofpowerloadclassificationbasedonadaptivefuzzyCmeansYANGHao,ZHANGLei,HEQian,NIUQiang(1.StateKeyLaboratoryofPowerTransmissionE

3、quipments&SystemSecurityandNewTechnology,ChongqingUniversity,Chongqing400044,China:2.ChongqingElectricPowerCompany,Chongqing400014,China)Abstract:Fortheloadtime—variantcharacteristicinloadmodeling,thispaperproposesaclassificationapproachofthepowerloadcharacteristicsbasedo

4、nadaptivefuzzyC-meansalgorithm.Itdiscussestheapplicationsofclusteringanalysisinloadcharacteristicsclassification,includingtheclusteringfeaturevectorsselectionandstudyoftheclassificationmeans.BasedonstudyoftheclassificationnumberCintheprimalfuzzyC—meansclusteringalgorithm,

5、anewclusteringvalidityfunctionisaddedintotheoriginalfuzzyC—mearlstoimprovetheoriginalmethod,andtheimprovedalgorithmdoesnotrequirepre-selectednumberofclassesasapriori.AloadclassificationexampleresultwithdatabasedondynamicsimulationshowsthatthemethodCanautomaticallyobtainth

6、ebestclassificationnumber,andclassificationisbetterthantheoriginalalgorithm.Keywords:powerload:fuzzyC-meansalgorithm;adaptive:dynamiccharacteristicsclustering;loadmodeling中圖分類號:TM714文獻(xiàn)標(biāo)識碼:A文章編號:1674-3415(2010)16一O111-05理折中。文獻(xiàn)[121的研究表明,盡管負(fù)荷組成存在0引言時變性和隨機(jī)性,但綜合負(fù)荷特性仍然呈現(xiàn)一定的電力負(fù)荷

7、作為電力系統(tǒng)的重要組成部分,其模規(guī)律性。因此,對負(fù)荷動特性進(jìn)行分類與綜合是負(fù)型精確性對電力系統(tǒng)的潮流計算、小擾動穩(wěn)定計算、荷模型走向?qū)嵱没挠行侄?。?fù)荷動特性的分類暫態(tài)穩(wěn)定計算、電壓穩(wěn)定計算的結(jié)果都有一定程度問題屬于聚類分析問題,包括特征向量的選擇和聚的影響lJ。因此建立可靠、實(shí)用的負(fù)荷模型,既具類方法的確定兩個方面。有理論意義又具有工程實(shí)用價值pJ。長期以來,國聚類分析是一種數(shù)據(jù)劃分或分組處理的重要手內(nèi)外學(xué)者在電力負(fù)荷建模研究和應(yīng)用方面取得了大段和方法,但是傳統(tǒng)的聚類分析是一種硬劃分,它量成果I6們。但是由于負(fù)荷自身的特殊性,建立精把

8、每個待識別的對象嚴(yán)格地劃分到某個類中,因此確的電力系統(tǒng)負(fù)荷模型非常困難。難以反映負(fù)荷運(yùn)行條件(如季節(jié)和負(fù)荷水平等)與負(fù)荷建模的最大困難在于負(fù)荷的時變性,負(fù)荷負(fù)荷構(gòu)成之間錯綜復(fù)雜的關(guān)系。相對,模

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。