引入改进模糊C均值聚类的负荷数据辨识及修复方法
本文选题:负荷曲线聚类 + 模糊C均值聚类 ; 参考:《电力系统自动化》2017年09期
【摘要】:高级量测体系的建设促使大量用电负荷数据增加了可观性,但由于通信等原因,量测数据中存在不良数据。文中提出一种引入改进模糊C均值(FCM)聚类算法的负荷数据辨识及修复方法,该方法利用快速爬山技术,对标准FCM聚类算法中聚类数目难以预先确定、初始聚类中心随机选取等缺点进行改进,实现用电负荷数据的精准聚类。在此基础上提取可行域矩阵及特征曲线,实现对新量测数据的辨识及修正。最后采用某地实际负荷测量数据进行分析,并通过与基于标准FCM聚类算法的对比,验证了该方法的快速性、高效性及其应用前景。
[Abstract]:The construction of advanced measurement system makes a large number of load data increase observability, but because of communication and other reasons, there are bad data in the measurement data. In this paper, an improved fuzzy C-means clustering algorithm is proposed to identify and repair the load data. By using the rapid mountain climbing technique, it is difficult to determine the number of clustering in the standard FCM clustering algorithm in advance. The shortcomings of random selection of initial clustering center are improved to realize accurate clustering of electric load data. On this basis, the feasible domain matrix and characteristic curve are extracted, and the identification and correction of the new measurement data are realized. Finally, the actual load measurement data are analyzed and compared with the standard FCM clustering algorithm, which verifies its rapidity, efficiency and application prospect.
【作者单位】: 智能电网教育部重点实验室(天津大学);南方电网电力科学研究院;
【基金】:国家自然科学基金资助项目(51377119) 中国南方电网有限责任公司科技项目(WYKJ00000020)~~
【分类号】:TM76
【相似文献】
相关期刊论文 前10条
1 赵庆建;田明;;电力负荷数据多维层次聚集立方体存储结构模型[J];电力需求侧管理;2008年03期
2 刘辉舟;周开乐;胡小建;;基于模糊负荷聚类的不良负荷数据辨识与修正[J];中国电力;2013年10期
3 杨成龙;一种用于配网状态估计的实时负荷数据模型[J];江苏电机工程;2003年04期
4 陈亮;文福拴;童述林;;基于密度估计的异常电力负荷数据辨识与修正[J];华南理工大学学报(自然科学版);2012年02期
5 钱进;孟祥萍;;基于关联分类技术的短期负荷数据缺损处理[J];电力系统及其自动化学报;2006年06期
6 任丽娜;芮执元;刘彦新;徐龙云;;异常电力负荷数据的辨识方法研究[J];水力发电;2008年02期
7 陈建华;戴铁潮;张宁;甘德强;王康;;确定性合同分解中异常负荷数据的识别与修正[J];电力系统自动化;2009年06期
8 田增尧,张明理,赵瑞;短期电力负荷预报中异常负荷数据的识别和修正[J];吉林电力;2004年06期
9 谢宏,陈志业,牛东晓;短期电力负荷预测的数据主成份分析[J];电网技术;2000年01期
10 高山,单渊达;小波奇异性检测在负荷数据纠错和平滑处理中的应用[J];中国电机工程学报;2001年11期
相关博士学位论文 前1条
1 李慧;配电系统负荷数据处理方法的研究[D];中国农业大学;2005年
相关硕士学位论文 前3条
1 王鹏举;基于样条与核密度函数的不良负荷数据辨识方法研究[D];重庆大学;2012年
2 童述林;电力系统负荷数据的处理与分析研究[D];华南理工大学;2012年
3 刘丽轻;电力用户负荷模式识别系统研究与设计[D];华北电力大学;2012年
,本文编号:1804525
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1804525.html