基于改进模糊C均值算法的电力负荷特性分类.pdf

基于改进模糊C均值算法的电力负荷特性分类.pdf

ID:52480298

大小:404.02 KB

页数:6页

时间:2020-03-28

基于改进模糊C均值算法的电力负荷特性分类.pdf_第1页
基于改进模糊C均值算法的电力负荷特性分类.pdf_第2页
基于改进模糊C均值算法的电力负荷特性分类.pdf_第3页
基于改进模糊C均值算法的电力负荷特性分类.pdf_第4页
基于改进模糊C均值算法的电力负荷特性分类.pdf_第5页
资源描述:

《基于改进模糊C均值算法的电力负荷特性分类.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第40卷第22期电力系统保护与控制Vo1.40NO.222012年11月16门PowerSystemProtectionandControlNOV.16.20l2基于改进模糊C均值算法的电力负荷特性分类周开乐,杨善林(1.合肥工业大学过程优化与智能决策教育部重点实验室,安徽合肥230009;2.合肥工业大学管理学院,安徽合肥230009)摘要:为了提高负荷分类的精确性和有效性,提出了将基于模拟退火遗传算法的模糊C均值(Simu1atedAnnea1ingGenetiCA1gorithmBasedFuzzyC-Means,SAGA—F

2、CM)算法用于电力系统负荷特性分类。SAGA-FCM算法以模糊c均值(FuzzyC-Means,FCM)算法为基础,融合了模拟退火算法较强的局部搜索能力和遗传算法较强的全局搜索能力,克服了传统FCM算法对初始聚类中心敏感和容易陷入局部最优的问题。将其与系统聚类法、K均值(K-Neans)算法和传统FCM算法分别用于电力系统负荷特性分类实验,对比分析表明了SAGA—FCM算法用于负荷特性分类的有效性和优越性。关键词:负荷分类;SAGA—FCM算法;模糊c均值算法;聚类AnimprovedfuzzyC-meansalgorithmfor

3、powerloadcharacteristicsclassificationZHOUKai.1e一.YANGShan—lin,(1.KeyLaboratoryofProcessOptimizationandIntelligentDecision—Making,HefeiUniversityofTechnology,Hefei230009,China;2.SchoolofManagement,HefeiUniversityofTechnology,Hefei230009,China)Abstract:Asimulatedanneali

4、ngandgeneticalgorithmorientedFuzzyC·Means(SAGA—FCM)algorithmisusedforloadclassificationtoimprovetheaccuracyandvalidity.ThetraditionalFuzzyC—Means(FCM)algorithmissensitivetoitsinitialclustercenters,anditiseasytofallintothelocaloptimum.WhileSAGA-FCMalgorithmintegratesthe

5、stronglocalsearchabilityofsimulatedannealingalgorithmandthestrongglobalsearchabilityofgeneticalgorithmtoovercomethedrawbacksoftraditionalFCMalgorithm.Meanwhile,thehierarchicalclusteringmethod,K—MeansalgorithmandtraditionalFCMalgorithmarealsousedforpowerloadclassificati

6、on.ThecomparativeanalysisfromtheexperimentalresultsshowsthatSAGA—FCMalgorithmismoreeffectiveandsuperiorthantheotherthreealgorithms.ThisworkissupposedbyNationalHighTechnologyResearchandDevelopmentProgramofChina(863Program)(No.2011AA05A116)andKeyProgramofNationalNaturalS

7、cienceFoundationofChina(No.71131002).Keywords:powerloadclassification;SAGA-FCMalgorithm;fuzzyC-meansalgorithm;clustering中图分类号:TM71文献标识码:A文章编号:i674-3415(2012)22-0058—06也是实现负荷优化分配经济性【jJ、负荷分类预测精0引言确性J、差异化电价制定合理性p和不良数据辨识智能电网环境下,电力系统规模日益庞大,电实用性。。的重要条件。力系统的结构曰益复杂,需求侧负荷特性日趋多样

8、许多学者研究了电力系统负荷特性分类问圳化,电力系统的数字仿真成为电力系统设计、规划、。模糊c均值fuzzyC.Means,FCM)算法建立了调度和控制的重要工具【1J。负荷特性分类是负荷建样本对类别的不确定性描述,可以量化表征样本到模

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。