10.13335/j.1000-3673.pst.2014.12.017
基于云模型和模糊聚类的电力负荷模式提取方法
为解决应用传统模糊C均值(fuzzy C-means,FCM)算法进行电力负荷模式提取时存在的对初始聚类中心敏感、聚类数目不易确定、算法稳定性较差等问题,从负荷曲线形态出发,提出一种基于云模型和模糊聚类的电力负荷模式提取方法.该方法首先针对电力负荷数据的时间特性,对云变换方法进行了维度扩展,使其能够应用于具有时间特征的二维数据处理,将电力用户典型日负荷的频率分布分解为若干个正态云组的叠加,以各云模型中最能代表各定性概念的期望向量集合作为初始聚类中心;然后,基于云模型确定的初始聚类中心和聚类数目,应用FCM算法进行电力负荷模式提取和用户分类.最后,以某电网实际负荷数据进行算例分析,结果证明了该算法的实用性和有效性.
云模型、模糊聚类、FCM、电力负荷模式、电力用户分类
38
TM714(输配电工程、电力网及电力系统)
国家自然科学基金项目71271084;国家电网公司科技项目521820140017.Project Supported by National Natural Science Foundation of China71271084
2015-02-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
3378-3383