基于自适应模糊C均值聚类算法的电力负荷特性分类

发布时间：2017-09-15 17:26

  本文关键词：基于自适应模糊C均值聚类算法的电力负荷特性分类

  更多相关文章： 负荷聚类 C均值聚类算法 负荷特性 日负荷曲线

【摘要】：针对传统模糊C均值聚类算法(FCM)存在的缺点,提出了一种自适应FCM算法,该算法以类内距离MIA和类间距离MDC两个聚类结果评价指标为基础,把MDC和MIA的比值I作为自适应函数来确定FCM算法的聚类数目c;同时,根据模糊决策的方法,利用FCM算法的目标函数和划分熵来共同确定最优的模糊加权指数m的取值.结果表明:该算法不仅能够克服FCM算法无法自动确定聚类数目和模糊加权指数需要凭经验给出的缺点,而且得到的聚类结果是最优的,通过算例分析也证明了该算法的正确性和有效性.
【作者单位】： 郑州大学电气工程学院;河南许继仪表有限公司;
【关键词】： 负荷聚类 C均值聚类算法 负荷特性 日负荷曲线
【基金】：国家自然科学基金资助项目(51307152)
【分类号】：TM714
【正文快照】： 0引言基于电力用户的实际负荷曲线分类对电力需求侧管理[1]有着重要意义.合理的电力负荷分类有助于供电部门有效地掌握用户的负荷特性并制定合理的电价政策[2];有助于通过削峰填谷手段实现负荷曲线的整形[3];有助于激励用户积极参与到需求侧管理项目中去.同时,精细化的负荷分

【参考文献】

中国硕士学位论文全文数据库 前1条

1 冯晓蒲;基于实际负荷曲线的电力用户分类技术研究[D];华北电力大学;2011年

【共引文献】

中国期刊全文数据库 前1条

1 刘永光;孙超亮;牛贞贞;赵国生;;改进型模糊C均值聚类算法的电力负荷特性分类技术研究[J];电测与仪表;2014年18期

中国硕士学位论文全文数据库 前4条

1 许明;基于负荷特性分析的错峰方案研究[D];华南理工大学;2012年

2 叶伟杰;江西电网配电变压器三相不平衡综合治理措施研究[D];南昌大学;2013年

3 林锦波;聚类融合与深度学习在用电负荷模式识别的应用研究[D];华南理工大学;2014年

4 宋爽;面向智能电网信息采集应用的光载无线技术研究[D];北京邮电大学;2014年

【二级参考文献】

中国期刊全文数据库 前10条

1 李玲纯;田丽;;基于遗传算法和BP神经网络的短期电力负荷预测[J];安徽工程科技学院学报(自然科学版);2009年03期

2 段青;赵建国;罗珂;;基于形状相似的日负荷曲线多重聚类分析及其应用[J];电气应用;2008年20期

3 段铷,张彩庆,刘爱芳;模糊聚类在电力用户分类中的应用[J];电力需求侧管理;2005年05期

4 康重庆,夏清,张伯明;电力系统负荷预测研究综述与发展方向的探讨[J];电力系统自动化;2004年17期

5 鞠平;陈谦;熊传平;黄丽;方朝雄;陈峰;赵红嘎;戴琦;鄢安河;付红军;;基于日负荷曲线的负荷分类和综合建模[J];电力系统自动化;2006年16期

6 肖峻;张晶;朱涛;史常凯;张海平;;基于关联分析的城市用电负荷研究[J];电力系统自动化;2007年17期

7 李智勇;吴晶莹;吴为麟;宋保明;;基于自组织映射神经网络的电力用户负荷曲线聚类[J];电力系统自动化;2008年15期

8 张铁峰;王江涛;苑津莎;;智能配电网研究[J];电力系统通信;2007年11期

9 王志勇;曹一家;;电力客户负荷模式分析[J];电力系统及其自动化学报;2007年03期

10 赵晓莉;;基于小波最小二乘支持向量机模型的系统边际电价预测[J];上海电力学院学报;2009年03期

中国硕士学位论文全文数据库 前1条

1 王世飞;基于神经网络的汇率预测[D];大连理工大学;2009年

【相似文献】

中国期刊全文数据库 前2条

1 苑一方;孙建平;田婧;;改进K均值聚类算法在电厂工况划分中的实现[J];仪器仪表用户;2010年04期

2 ;[J];;年期

，

本文编号：857910