基于融合进化算法的用户日负荷曲线聚类分析

摘要：

负荷分类对电网调度、负荷预测、用户用电行为分析等具有重要意义.针对传统负荷分类算法易陷入局部最优解而无法确定最优初始聚类中心,导致分类结果不准确问题,提出一种融合进化算法优化模糊C均值(FCM)的负荷聚类算法.首先使用重心Lagrange插值法填充负荷曲线缺失点,其次利用线性函数将不同行业负荷曲线归一化,最后结合遗传算法全局搜索效率高以及模拟退火算法计算时间短的特点优化FCM进行负荷聚类,弥补了传统FCM易陷入局部最优解的问题.算例表明:所提算法聚类中心距离较远,用户日负荷曲线分类结果较准确;相较于传统FCM不易陷入局部最优解,且具有一定的鲁棒性.

关键词：日负荷曲线聚类、融合进化算法、SAGA-FCM、重心Lagrange插值、聚类中心

所属期刊栏目：47

分类号：TP18;TM714(自动化基础理论)

资助基金：国家自然科学基金;国家重点研发计划;云南省重大科技专项计划项目

在线出版日期：2022-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：96-105