基于自适应PFCM聚类的电力负荷数据预处理

摘要：

考虑到电网实际运行过程中,负荷数据因随机因素产生异常,对负荷预测的准确性以及负荷调度的有效性造成严重影响,提出一种自适应可能性模糊C均值(Possible Fuzzy C-Means,PFCM)聚类算法以修正电力负荷异常数据.该算法利用新定义的PFCM聚类有效性指标函数与动态调节权重的PSO算法分别实现了负荷曲线最优聚类数目与聚类中心的自适应确定;利用改进的PFCM算法提取负荷特征曲线,实现了对负荷曲线的聚类;使用该方法对西北某市负荷数据进行聚类分析,并利用相关方法进行异常数据的识别与修正.实验结果表明,改进算法样本点距聚类中心的距离明显更小,且在相同异常值修正公式下,使用改进后算法聚类结果修正的异常值更接近于原始负荷数据,平均相对误差相比改进前降低1.99％.

关键词：异常值、负荷预处理、可能性模糊C均值、粒子群算法

所属期刊栏目：57

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家自然基金资助项目;国网江西省电力公司重点项目

在线出版日期：2020-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：40-46