改进自适应模糊C均值算法在负荷特性分类的应用
模糊C均值(FCM)算法是一种用于电力负荷特性分类的有效方法.针对传统FCM算法易陷入局部最优且对初始条件敏感的问题,文中提出了基于微分进化(DE)自适应优化的改进措施.相对于FCM算法的梯度最速下降寻优策略,改进算法利用DE多点随机并行搜索,对控制参数及非最优个体进行自适应调整,具有全局搜索能力强、鲁棒性高的特点.实际算例仿真表明,所述算法降低了负荷特性分类对初始值的依赖度,在不同聚类数目的条件下仍具有良好的性能,适用于实际电网滚动规划等对负荷特性分类精度要求更高的领域.
负荷特性分类、微分进化算法、模糊C均值算法、自适应、电网规划运行
35
TK2;TP2
国家自然科学基金资助项目70771039;教育部新世纪优秀人才支持计划资助项目NCET-08-0771
2011-12-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
42-46