共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
阐述了在电力负荷建模中,统计综合法建模是以典型用户的选取为基础的,在此基础上,通过分析变电站综合负荷的构成以及用户设备容量比例,提出了基于模糊综合评价的聚类和模糊C均值聚类两种方法,并对某市工业典型用户进行分类,结果表明基于模糊综合评价的聚类分析能够克服模糊C均值聚类法中主观差异性对分类的影响,概念更为清晰,聚类结果更为合理。 相似文献
5.
针对统计综合法负荷建模工程实用化程度低的现状,开发一个统计综合法电力系统负荷建模平台。该平台由前台操作界面和后台服务器两大部分组成,对负荷特性数据进行分析、管理和应用。前台操作界面采用Visual C++6.0开发环境,应用模块整合技术,各功能模块既相互独立又相互关联。采用SQL Serv-er2000开发工具构建的数据库系统作为后台服务器。该平台操作简单,运行可靠,适用性强,扩展性好,能够方便建立各行业、各变电站的综合负荷模型,对统计综合法电力系统负荷建模具有实际工程意义,已在实际系统投入运行。 相似文献
6.
基于模糊聚类识别及统计相关的短期负荷预测 总被引:5,自引:4,他引:5
应用模糊聚类理论,通过对负荷历史数据进行聚类和隶属度分析,依据模糊聚类和模糊模式识别、类别(或级别)变量特征值与概率统计相关分析等模型,根据模糊聚类参数与预测因子的前期特征值,确定相应的类别变量特征值,建立类别变量特征值与预测对象之间的相关关系,利用此相关关系进行负荷预测。应用隶属度来描述负荷与影响负荷因素之间的相关关系,可以同时考虑多种影响负荷因素,在算法上只是隶属度矩阵的阶数发生变化,预测过程简单明了。实践结果表明,此方法具有较高的预测精度,能较好地适应不同地区的负荷特性。 相似文献
7.
模糊聚类预测法在电网负荷预测中的应用 总被引:1,自引:0,他引:1
介绍一种模糊数学方法应用于负荷预测,该方法首先根据模糊聚类分析的方法对电力负荷及其相关因素的历史样本进行归纳分类,然后采用合适的模糊数及模糊集描述各类样本中负荷变化的模式及环境的特征。最后,由未来环境状态判定未来负荷变化属于哪种模式,从而预测出未来的电力负荷。 相似文献
8.
9.
负荷模型是决定电力系统仿真结果可信度的关键因素之一,本文从非机理模型的角度,提出一种基于减法聚类的模糊神经网络的负荷建模新方法.首先对建模样本输入输出数据进行特征分析,建立其山峰密度函数,应用减法聚类自适应的调整建模数据的聚类数和聚类中心,以确定负荷模型的模糊规则数和隶属度函数个数.在此基础上建立综合负荷模型的模糊初始结构.通过神经网络对推理数据进行学习,获取模糊推理规则,同时调整隶属函数的参数,用反向传播算法来修正网络的连接权重,辨识模糊模型的隶属函数的参数,完成综合负荷的非机理建模.通过对实测综合负荷的有功和无功建模实例,证明了该方法具有很高的拟合精度和收敛速度,对负荷建模具有重要的指导意义. 相似文献
10.
基于模糊聚类的电力负荷特性的分类与综合 总被引:33,自引:5,他引:33
在阐述负荷特性分类与综合内涵及意义的基础上,以变电站综合负荷构成成分比例为负荷特性分类和综合的基本特征,基于模糊聚类原理,提出了模糊等价关系和模糊C均值算法的2种分类方法。基于模糊C均值法可以通过优化理论获得聚类中心矩阵,同时完成负荷特性分类与综合。对某省48个变电站采用加权平均的方法进行聚类分析,得出了基于模糊等价关系的聚类综合特性并与模糊C均值算法的聚类中心矩阵进行了比较分析。结果表明,两者都具有良好的聚类综合能力;基于模糊C均值法的聚类能力明显优于基于等价关系的聚类法,而且聚类结果更为合理有效。两种方法都成功地解决了负荷建模中变电站特性分类处理的复杂性与主观性。 相似文献
11.
12.
13.
采用基于负荷曲线进行用户分类的方法,运用数据挖掘技术中的模糊C均值聚类,将不同行业的用户混合在一起,利用聚类的观点将其分类,对各类负荷曲线进行分析和比较;将模糊C均值聚类算法应用在单个典型行业典型用户(主要是工业和三产的大用户)的分析中,可以发现不同季节、不同月份的负荷数据之间有一定的共性. 相似文献
14.
15.
针对传统数据挖掘算法(神经网络和支持向量机)进行短期负荷预测容易陷入局部最优,模型难以确定等问题,提出一种模糊聚类技术与随机森林回归算法结合的短期负荷预测方法。基于模糊聚类技术选取相似日的方法,考虑负荷的周期性变化特征,利用样本输入进行样本聚类,选取同类数据作训练样本,建立随机森林负荷预测模型。实例中负荷数据采用安徽省某地的历史负荷,用上述方法对该地区的日24小时负荷进行预测,并与传统的支持向量机和BP神经网络方法进行比较,验证了该方法的有效性。 相似文献
16.
为了研究智能电网背景下用户的用电模式,考虑到现有聚类算法的不足,提出了一种基于离散小波变换的模糊K-modes聚类算法。利用离散小波变换将时域的负荷曲线转换到频域,从而将负荷曲线的不同特征隔离在不同的频域水平,并利用低阶近似的思想选取原始曲线的有效分量曲线;对所选的分量曲线进行趋势编码,将连续负荷数据转化为离散类属性数据;基于平均密度确定初始聚类条件,利用模糊K-modes聚类算法对曲线进行形态聚类,得到负荷曲线模板;将所提算法与传统K-means算法及层次聚类算法进行比较,从而验证了所提算法的有效性。 相似文献
17.
电力系统数据信息处理与应用领域广泛涉及数据挖掘与特征提取问题,为了提高其中聚类算法的有效性,提出了一种粒子群优化算法(PSO)与模糊C均值算法(FCM)有机结合的粒子群优化模糊聚类算法。该算法用PSO优化过程代替FCM中的基于梯度下降的迭代过程,充分利用PSO具有全局寻优、快速收敛的特点,使算法具有很强的全局搜索能力,有效地避免了FCM易陷入局部极小的缺陷;同时也降低了FCM对初始值的敏感度。还通过核方法,将低维特征空间的样本通过核函数映射到高维特征空间,增强了特征的优化,使特征在高维空间更易聚类。电力系统负荷样本聚类的应用仿真研究结果表明:与单纯FCM法相比,该算法聚类更准确,效果更佳。 相似文献
18.
以可靠性气候影响因素作为线路模糊集元素,通过模糊聚类将可靠性原始参数已知和待求的线路进行适当分类,引入 作为考虑其他影响因素的修正系数,在分析欧氏贴近度、模糊贴近度、灰色关联度各自反映模糊集特征的差异性和局限性的基础上提出相似度指标,在同类中以可靠性参数已知的线路的可靠性影响因素序列为基准向量,以可靠性参数未知的线路的可靠性影响因素序列为待检向量,使用相似度指标进行求取。实例证明该方法的可行性和预估结果的准确性,并讨论了不同的权重系数取值会对结果产生影响。 相似文献