基于特征加权模糊聚类的电力负荷分类

摘要：

电力用户的负荷分类为电力系统和电力部门的系统规划、负荷预测、分时电价等研究提供了基本的指导工作.利用基于变分模态分解(variational mode decomposition,VMD)和模糊C均值聚类算法(fuzzy C-means,FCM)实现电力负荷的分类研究,针对FCM中欧氏距离的特征权重唯一的问题,利用基于特征加权的模糊聚类方法,提出基于特征加权的VMD-FCM聚类算法.根据电网实测负荷数据,VMD算法可对数据的固有模态有效分解,结合FCM算法引入的权重系数,显著提高了算法收敛速度和聚类准确度.对聚类结果分析表明:所提VMD-FCM聚类方法能够有效区分不同负荷类型,具有实际应用价值,从而为电力系统的设计规划提供指导作用.

关键词：负荷分类、模糊聚类、变分模态分解、特征加权、负荷特性曲线

所属期刊栏目：55

分类号：TM76;TP311.52;TP29

资助基金：国家自然科学基金51105348

在线出版日期：2022-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：25-32