基于灰狼优化聚类算法的日负荷曲线聚类分析

发布时间：2024-03-20 22:21

　　针对模糊C-均值聚类算法(Fuzzy C-Means, FCM)应用于日负荷曲线聚类分析时存在易受初始聚类中心影响,易收敛于局部最优值以及日负荷曲线的内在特性难以通过距离得到充分反映的问题,利用日负荷特征值指标对日负荷曲线进行数据降维处理。提出了基于灰狼算法(GreyWolfOptimizer,GWO)优化的模糊C-均值聚类算法(GWO-FCM)。该算法利用GWO为FCM优化初始聚类中心,结合了GWO的全局搜索能力和FCM的局部搜索能力。算例结果表明所提方法可有效提高日负荷曲线聚类效果,算法鲁棒性好。

【文章页数】：9 页

【部分图文】：

图1GWO算法位置更新示意图

?、δ狼更改自身位置，具体表达式为1()()DCXlXl(11)2()()DCXlXl(12)3()()DCXlXl(13)11()XXlAD(14)22()XXlAD(15)33()XXlAD(16)123X(l1)(XXX)/3(17)式中，X1、X2、X3分别为各狼受α、β....

图3整体算法流程图

范?GWO-FCM算法的最佳聚类数。具体流程描述如下：1)采用3.1节所述方法对原始日负荷曲线数据进行负荷数据预处理；2)设定和最小聚类数cmin以及最大聚类数cmax，GWO-FCM相关参数；3)执行GWO-FCM算法进行聚类分析；4)使用轮廓系数评价聚类的有效程度；5)判断当....

图2GWO-FCM算法流程图

分析。定义狼群适应度方差为22avg11=[()]ziiffzp(20)式中：z为狼群规模；favg为所有灰狼个体的平均值。适应度方差σ2的大小表征灰狼个体的收敛程度。当σ2的值较小时，狼群的适应度值的离散程度不高，GWO算法趋向收敛，其全局搜索能力开始下降。因此，当σ2的值小于....

图4聚类有效性评价指标变化趋势

0.39870.40160.40240.384270.38140.37930.37840.37680.368480.33410.32690.32580.32150.311690.28760.26320.26580.25740.2381100.22560.21420.21620.2....

本文编号：3933394