基于VMD的负荷分类方法研究

发布时间：2021-10-06 19:46

　　在当今智能电网背景下,负荷分类是电网系统规划、需求侧管理、负荷预测等工作的重要基础。针对由噪声、带有异常值数据导致负荷分类存在精确性不足的问题,本文利用变分模态分解（variational mode decomposition,VMD）具有不规则数据处理、降低噪声、特征提取等优点,将其引入负荷数据分类分析,以提升用户分类的有效性和精确性,为特性分析、负荷预测、调度等工作奠定理论基础。本文的主要工作体现在:（1）分析电力负荷的特点,综述了负荷分类方法和研究现状。（2）研究了变分模态分解算法相关理论,通过仿真分析其对混合信号分离、噪声鲁棒性的处理能力,揭示了VMD的优越性。通过与经验模态分解对比分析,发现VMD对信号分解更有优势,进而验证变模态分解算法在负荷分类分析中的可行性。（3）针对k-means聚类结果精确性较低的问题,提出基于VMD和k-means的负荷分类方法。将原始数据进行VMD分解,并得到1、2模态的k-means聚类结果。通过与原负荷数据直接进行k-means聚类的结果进行对比,实现对负荷分类更精确分类。验证所提方法的有效性。（4）针对电力负荷数据维度高及样本特性不够显化的... 

【文章来源】：沈阳工业大学辽宁省

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 负荷分类研究现状
        1.2.1 国内负荷聚类方法
        1.2.2 国外负荷分析方法
    1.3 本文的研究工作
第2章 变分模态分解算法理论
    2.1 VMD算法
    2.2 VMD中的几个重要概念
    2.3 VMD算法综述
        2.3.1 变分模态构造
        2.3.2 变分问题求解
    2.4 VMD算法实验仿真
        2.4.1 VMD分解混合信号仿真
        2.4.2 VMD与 EMD分解结果对比
    2.5 小结
第3章 基于VMD与 k-means的负荷分类方法
    3.1 k-means聚类算法
        3.1.1 k-means聚类算法概述
        3.1.2 k-means算法原理
    3.2 基于VMD与 k-means负荷分类原理
    3.3 实验分析
    3.4 小结
第4章 基于VMD和奇异值能量差分谱的电力负荷分类方法
    4.1 算法原理及流程
        4.1.2 算法中各函数原理
            4.1.2.1 奇异值分解和Hankel矩阵构建
            4.1.2.3 能量差分谱
        4.1.3 整体算法流程
    4.2 实验算例
    4.3 小论
第5章 基于VMD和 FCM的电力系统负荷分类方法
    5.1 聚类算法与流程
        5.1.1 FCM算法
        5.1.2 VMD-FCM算法
        5.1.3 负荷分类总体流程与数据对比
    5.2 算例分析
        5.2.1 聚类结果分析
        5.2.2 聚类结果指标分析
        5.2.3 VMD-FCM与 VMD-EDSSV算法聚类紧密性对比
    5.3 小结
第6章 结论
参考文献
在学研究成果
致谢


【参考文献】：
期刊论文
[1]一种基于2D-VMD的医学图像去噪算法[J]. 常秋寒,高丙坤.  自动化技术与应用. 2019(02)
[2]基于VMD能量熵与支持向量机的断路器机械故障诊断方法研究[J]. 陈尚,郑翔.  黑龙江电力. 2019(01)
[3]基于VMD和ELM的超短期负荷预测方法[J]. 孟凡煦,张琰骏.  国外电子测量技术. 2019(01)
[4]基于云模型和k-means聚类的风电场储能容量优化配置方法[J]. 吴杰,丁明,张晶晶.  电力系统自动化. 2018(24)
[5]基于VMD-WA-RFR模型的BDI指数影响因素研究[J]. 武华华,匡海波,张鹏飞.  科研管理. 2018(10)
[6]基于LCD与奇异值能量差分谱的齿轮故障诊断方法[J]. 丁伟,陈可弟.  噪声与振动控制. 2018(02)
[7]基于奇异值分解的同调机群识别方法[J]. 朱乔木,陈金富,段献忠,游昊,李本瑜.  电工技术学报. 2018(03)
[8]基于小波变换和奇异值分解的串联电弧故障检测方法[J]. 卢其威,王涛,李宗睿,王聪.  电工技术学报. 2017(17)
[9]基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类[J]. 朱永利,贾亚飞,王刘旺,李莉,郑艳艳.  电工技术学报. 2017(09)
[10]引入改进模糊C均值聚类的负荷数据辨识及修复方法[J]. 孔祥玉,胡启安,董旭柱,曾意,吴争荣.  电力系统自动化. 2017(09)

硕士论文
[1]K-means聚类方法的改进及其应用[D]. 李荟娆.东北农业大学 2014
[2]电力系统负荷分类研究[D]. 张忠华.天津大学 2007



本文编号：3420632