数据均值聚类在故障模式识别中的应用

文章介绍了一种均值聚类方法,该方法在均值的基础上进行监督分类,在故障诊断过程通过对信号进行数据处理,从中获取有用的信息,进行故障识别。通过算例进行验证,结果表明该算法简单可行,在数据分析中能够起到良好的识别分析作用。     

聚类K—means算法的应用研究

聚类分析是数据挖掘中的一个重要研究领域。它将数据对象分组成为若干个类或簇,使得在同一个簇中的对象比较相似,而不同簇中的对象差别很大。K-means算法对随机选取K个初始点作为初始值是很敏感的,这将导致得到一个不合理的聚类结果,因此聚类的质量依赖于初始值。一方面论文提出了一种有效的改进方法,通过试验证明了改进算法的有效性;另一方面将该改进算法应用到对学生学习成绩的分析中,实践证明算法是可行的。     

基于K-Means聚类算法的改进

本文基于传统的K-means聚类方法提出来一种基于密度的改进K-means聚类方法。改进后的方法,首先选取数据集中密度最大的点作为第一个聚类中心点,以此为基准,选取离此点最远的点作为第二个初始聚类中心,再在剩余的点中找出离这两个初始点距离最远的点作为第三个聚类中心,以此类推,直到找到所需的K个点,之后再根据K-means算法迭代更新聚类中心,直到收敛或达到设定的迭代次数为止。实验结果表明,本文提出的方法与传统K-means方法相比准确率及稳定性方面均有所提高,可以作为聚类研究的一个新的思路。     

基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究

对于当前大规模和高维度的用户数据,原始聚类算法有其局限性。提出一种改进的K-means算法与数据降噪处理相结合的方法。首先,DBSCAN(基于密度的空间聚类算法)用于数据去噪,克服了原始K-means聚类算法聚类结果容易受到数据集中噪声点的影响。然后利用轮廓系数和误差平方和确定最优的聚类数。最后,将K-means++聚类算法和确定的最优聚类数用于聚类处理用户负荷曲线。这使得聚类算法避免陷入局部最优,通过数据集测试,表明该方法获得的聚类效果优于原始的K-means算法。     

基于聚类算法的城市中压配电网接线模式识别

接线模式识别是配电网规划的基础,对于保障配电网可靠、安全、经济运行具有重要意义。结合10kV城市中压配电网接线模式特点,提出一种基于深度优先搜索分析和聚类算法的接线模式识别方法。首先,采用深度优先搜索算法将一个完整配电网划分为若干馈线树,作为模式识别的基本对象;然后,针对各种10 kV交流电网、交直流混联电网等典型网架结构,分别提取接线模式特征指标并形成特征参数库;最后,利用聚类算法将未知待识别线路的特征与已知特征库进行匹配。算例仿真结果验证了所提特征指标的有效性,聚类方法能够实现中压配电网接线模式的准确识别。     

基于模糊c均值算法文档聚类问题的研究

应用模糊c均值算法对文档进行分类，具有不使用语法知识、不使用词法规则、无监督等特点．采用模糊c均值算法对文档进行聚类，实验结果表明：该方法优于普通的聚类算法，聚类结果能充分体现文本的多样性．     

基于K均值聚类的组织损伤等级判定研究

利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,可对猪肉组织造成3个等级程度的损伤。从B超图像处理方向出发,提出一种基于K均值聚类并结合双参数的组织损伤等级判定方法。通过B超仪器实时获取HIFU辐照前后的134例猪肉组织图像,并做预处理获得焦斑区域的减影图像。再提取减影图像的灰度均值和小波系数均值,利用K均值聚类的方法对猪肉样本组织的损伤等级进行分类处理。实验结果表明,灰度均值参数能较好地区分第2、3等级程度的损伤,小波系数均值能较好地区分第1、2等级程度的损伤,而基于K均值聚类并结合双参数的分类方法结合了前两者的优点,在组织损伤等级的总辨识率上分别提高了5.23%和3.43%,更能准确地判定组织的损伤等级,便于临床医生客观地监控HIFU治疗过程,对提高HIFU疗效有实际意义。     

基于聚类的线损分析研究

提出了基于聚类的线损分析方法,建立了线损方法的指标体系,并给出了具体的计算过程。同时,结合数据挖掘相关技术,应用K-means聚类算法对特征样本进行聚类分群,并对每一群组的线损特征规则进行了分析。     

基于改进k-均值聚类的负荷概率模型

提出采用改进的k-均值聚类方法对电力系统小时负荷进行聚类,避免了传统k-均值聚类存在的聚类中心初始值难以确定、聚类结果不稳定的问题。在建立聚类负荷模型的基础上,进一步建立了考虑负荷不确定性和相关性的负荷概率模型。RBTS和IEEE RTS79算例分析结果表明,采用所建立的聚类负荷模型时的发电系统可靠性计算结果精度高,节省了状态抽样法的计算时间;负荷不确定性和相关性对发电系统可靠性有较大影响。所建立的负荷概率模型为采用解析法和状态抽样法进行发电和发输电系统可靠性评估提供了基础。     

基于光伏电站的智能运维知识库的研究

光伏电站存在现场运维人员多而运维效率低的问题,为减少光伏电站人工运维成本,提高运维效率,提出了无人或少人值守的光伏电站智能运维系统,而智能运维功能需要一个符合光伏电站实际运维需求的知识库平台支撑,以专家理论数据、已建光伏电站的历史经验数据和光伏电站设备运行实时监测数据为基础,采用产生式规则表达式与模糊逻辑推理技术研究并构建光伏电站运维知识库模型,通过运维知识库模型实现光伏电站智能运维功能。     

分布式光伏电站区域智能调控系统的研究

针对分布式光伏电站中组串逆变器数量较多、布置分散给电站功率调节带来的问题,提出了一种区域智能调控系统。采用分层控制的调节方式,将光伏监控主站的功率调节任务按照一定的分配算法分配给多个区域智能调控单元,各智能调控单元同时调节完成整个光伏电站的功率调节任务并实时上送至监控主站。该系统在减轻监控主站调节负担的同时可大大提高调节速度及调节精度,具有广泛的工程应用价值。     

基于二分K-means聚类的曲率分级点云数据精简优化算法研究

针对单一精简算法无法精确保留模型特征信息、易造成点云表面孔洞等问题,提出了一种基于二分K-means聚类的曲率分级优化精简算法。首先采用最小二乘法对邻域进行曲面拟合,计算曲率值,依据曲率值划分显著特征区与非显著特征区,其次采用二分K-means聚类划分非显著特征区,依据子簇的曲率阈值筛选保留具有特征重要性的亚特征点,最后合并更新显著特征区的数据集和亚特征点,得到简化结果。通过仿真实验,从算法运行速度和信息熵两方面与空间包围盒法、曲率精简算法进行对比分析,结果表明,该算法在精简质量上优于其他两种算法,在点云数据重建方面具有一定的应用价值。     

大型光伏电站并网适应性分析

为研究大型光伏电站并网适应性,以某地区三个百兆级光伏电站并网工程为例,根据该地区最大、最小负荷运行方式下的数据,利用DIgSILENT/Power Factory软件,在光伏电站不同出力条件下对电网的潮流大小、母线电压波动、安全性N-1等方面进行仿真。依据相关导则要求,对大型光伏电站并网时适应性进行研究分析。针对大型光伏并网时母线电压降低幅度过大的现象采取相应的补偿措施,提高光伏电站并网适应性。该分析可对以后的工程提供参考。     

基于可拓模式识别的孤岛检测研究

孤岛检测是分布式发电系统必备的功能。针对传统的分布式发电孤岛检测的方法存在检测盲区大或对电能质量有影响的缺陷,提出了基于可拓模式识别的被动式孤岛检测方法。方法通过在逆变器侧测得的谐波阻抗进行训练,根据阻抗的分布特征进行模式识别,可以准确检测在逆变器输出功率和负载功率完全匹配下的孤岛效应。最后通过搭建实验平台和matlab离线数据处理,验证了此方法的正确性。     

独立光伏电站蓄电池运行的故障分析

针对独立光伏电站蓄电池运行中出现的故障现象进行分析,并根据实际情况提出了解决方法。     

固定式光伏发电组件最佳倾角的聚类分析方法

在集中式大型光伏系统工程设计过程中,固定式光伏组件的倾角直接影响着整体光伏组件的IV输出特性,从而直接关系到光伏发电系统的收益。即固定式光伏组件的安装倾角不同,整个光伏系统所接收到的有效太阳辐射量不同,其发电量在一年范围内的差距较大,为此,为有效应对光伏组件安装倾角受限于经纬度、地域环境等多影响因素,追求大型集中式光伏发电系统的经济性,提出了一种考虑区域经纬信息的光伏发电组件最佳倾角聚类分析方法,并在华北地区某174MW大型光伏电站设计过程中应用,其计算结果与PVsyst软件所计算的结果对比分析,验证了所提算法的有效性。     

基于VSC-HVDC并网的光伏电站启动控制及优化方法的研究

随着近年来能源危机的日益加重以及部分地区供电紧张、能源分布不合理问题,光伏电站经VSC-HVDC(voltage source converter-high voltage direct current)并网已经成为一种迫切的需求。首先研究得出并网系统的整个启动控制过程,并提出了定交流母线电压控制与定直流电压-功率斜率控制相结合的启动控制策略,缓解并网系统启动时电流电压的大幅度波动对自身和电网带来的冲击。仿真结果显示,该启动控制过程与控制策略的结合能够实现系统无冲击启动并正常进入额定工况稳定运行。随后根据光照强度随机性的特点,提出混合粒子群算法对并网系统的控制器进行优化,平抑光伏电站并网时的功率波动。仿真结果显示,该算法优于单一的粒子群算法,平抑光伏电站输出功率波动的效果更加显著。     

独立光伏电站用蓄电池选型和维护的探讨

通过对一个大型独立光伏电站的故障分析,提出行业应尽快完善相应的规范/标准、提高系统设计、集成水准和部件制造水平,同时提高系统维护水平。