基于改进模糊聚类的典型日负荷曲线选取方法

典型日负荷曲线对负荷调度计划以及运行控制有着重要意义,针对常用的传统典型日负荷曲线选取方法不满足目前电力市场需求的问题,提出了基于自适应因子与概率统计法相结合的改进模糊聚类算法典型日负荷曲线选取新方法,应用日负荷率、日负荷波动率等描述性特征指标,确定最优聚类数;引入模糊-离散系数,辨识样本数据中的畸变日,并予以剔除;计算日负荷与月平均负荷之间的相关系数,依据相关系数选取典型日负荷曲线。以新疆电网2015年1月份负荷数据进行实例仿真,结果表明所提方法能够准确选出典型日负荷曲线,验证了方法的可行性和有效性。     

基于分层聚类算法的地区风电出力典型场景选取方法

为反映风电场出力变化特征,提出了一种基于分层聚类算法的地区风电出力典型场景选取方法。首先采用分层聚类算法对风电出力样本进行聚类分析,得到反映样本亲疏关系的聚类树状图。随后考虑风电出力典型场景的选取质量,采用类间样本离差平方和来描述类间样本的差异性,以此作为聚类数的判定依据,从而实现样本的有效划分。最后,以某地区实际风电出力数据为例,验证了所提方法的合理性,并面向调峰、无功配置等需求选取了风电出力典型日场景。     

基于混沌预测模型的聚类自适应模糊控制器的设计

根据混沌非线性、大时滞系统的时间序列及所得的Lyapunov指数规律，计算出系统的可预报尺度，对系统做了高精度预测；在此基础上，将聚类算法和模糊控制相结合，设计了一种新型的聚类自适应模糊预测控制器。将该控制器应用于锅炉的单元机组负荷控制系统中，实现了对非线性和大时滞系统的自适应控制．结果表明，该方案的适应性、实时性都很强，具有很强的工程实用价值。     

基于灰狼优化聚类算法的日负荷曲线聚类分析

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(Grey Wolf Optimizer,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。     

基于特征指标降维及熵权法的日负荷曲线聚类方法

日负荷曲线聚类是负荷建模背景下分析负荷特性的基础。针对现有聚类方法在聚类质量、聚类效率等方面的不足,综合运用模糊C均值及熵权法原理提出一种基于特征指标降维及熵权法的日负荷曲线聚类方法。首先提取日负荷率、日峰谷差率、日最大利用时间等7类降维特征指标替代各采样点负荷数据作为聚类输入;其次,引入熵权法自适应配置各特征指标的权重系数;最后,采用特征加权的模糊C均值聚类算法对用电日负荷曲线进行聚类。采用所提方法对某地区日负荷曲线进行聚类分析,算例结果表明该方法在运行效率、鲁棒性、聚类质量等方面具有一定的优越性,聚类结果能真实有效地反映负荷的实际用电特性。     

采用谱聚类的风电典型出力场景选取方法

为有效地减少原始场景数量,以较小的工作量和较高的精度表征风电出力的全时空特性,本文提出了一种基于谱聚类算法的风电日出力典型场景生成方法。首先采用谱聚类算法对风电日出力场景进行聚类分析,得到能有效反映样本亲疏关系的聚类簇。随后考虑风电的反调峰特性,从聚类后的风电日出力场景中选出能够很好的反映各类场景中原出力曲线调峰效益的出力曲线,将其作为典型场景。最后,以云南某地区2017年风电实际出力数据为算例进行聚类分析,验证所提方法的正确性及有效性。     

一种基于最短距离聚类与关联度分析的典型日选取新方法

提出一种基于最短距离聚类与关联度分析的典型日选取新方法,用以分析日负荷曲线形状以及负荷特性.通过最短距离法的聚类分析找出畸变日并去除其影响,通过分析计算各日与基准日的关联度找出典型日.采用该方法对吉林省2005年夏季7月份整点负荷标么值进行分析及典型日选取,结果表明了该方法的有效性.     

负荷中长期预测中一种改进的模糊聚类算法

电力系统中长期负荷的变化常常不是只依靠电力系统本身的信息和就可以正确描述的,它受到该地区社会、经济等多方面因素的制约,可以利用模糊聚类法从经济发展的角度对中长期负荷进行预测。结合最佳聚类Ｆ选优法的应用,章提出了一个发行的模糊聚类电力负荷中长期预防的新算法。应用该方法进行实全例计算,并同其它３种算法进行比较,表明该方法的预测精度较高。     

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．     

基于改进FCM聚类算法的清洁能源典型场景构建

电力系统的中长期规划和经济运行优化需要考虑能够反映清洁能源历史数据特征的典型场景,提出了一种基于改进FCM聚类算法的清洁能源典型场景构建方法,并将其应用于含清洁能源的电力系统运行成本优化中。以浙江省某地区电网为例,在电力系统运行成本优化领域对比基于改进FCM聚类算法与基于全年时序法、典型日法的场景构建方法的性能优劣。研究结果表明,提出的改进聚类算法的清洁能源典型场景构建方法兼具计算精度与效率,具有实际应用价值。     

基于差量特征提取与模糊聚类的非侵入式负荷监测方法

现有非侵入式负荷监测(NILM)方法主要将电器功率大小作为特征值,对于低功率电器识别的准确性不够,无法满足精细化智能用电的应用需求。文中分析了多种家用电器的功率和谐波特征,并选取低功率电器差异最大的频域谐波幅值作为新的特征。在此基础上提出一种新的NILM方法,该方法采用差量特征提取方法获取任意时刻的特征值变化量并引入信息熵的方法,通过计算簇间熵来确定最佳聚类数和负荷相似度;再通过模糊聚类实现电器负荷数量及种类的聚类识别。实验结果表明,文中提出的NILM方法在不同场景下均具有良好的可靠性和鲁棒性,采用谐波特征后识别准确性有明显提升。     

基于灰色关联与模糊聚类分析的负荷预处理方法

电力负荷曲线反映了在一定时间间隔内用户侧消耗的电能,包含了电力系统运行调度与可靠性等重要信息。然而信道错误、仪表故障、设备停运等随机因素导致负荷曲线包含异常数据与缺失值。文中提出一种基于灰色关联分析和模糊聚类(GRA-FCM)的负荷预处理模型。首先通过灰色关联分析确定与待检测日关联度较大的相似样本集,然后采用模糊聚类算法与聚类有效指标得到典型特征曲线,最后对辨识的异常数据进行修正。将所提模型应用于某城市电网SCADA系统负荷预处理中,表明所提模型有很高的准确性和实用性。     

基于模糊聚类的电力系统载荷能力安全预警方法

针对电力系统静态安全分析工程应用的需要,提出了以节点载荷能力为核心的电压稳定指标预警分析方法.该方法用红、黄、绿3种通用的预警颜色分段标识系统能够承受单一节点负荷增长的能力,并给出各预警色段所允许的节点载荷能力的界域.将能够表征节点载荷能力的相关电压稳定指标定义为聚类特征向量,基于各节点的实时特征向量值对系统中所有带负荷的节点进行模糊聚类,然后按照着色逻辑规则对聚类中心特征向量值和相应的聚类节点集进行着色分析.各预警色段节点集所允许的负荷增长范围可以通过离线仿真获得.IEEE 30系统的仿真试验验证了该方法的有效性和实用性.     

基于遗传算法的典型日最优负荷分配方法

合理的电源负荷分配规划对提高电力系统的安全性、可靠性以及经济型有着重要的作用。对于中长期电力系统扩展建设、规划,通过合理的计算能够有效减小成本以及获得最大利益。本文采用IEEE-RTS系统已知的机组技术与经济参数、系统典型日负荷特性、机组可靠性参数,以不低于20%系统备用容量、N-1准则为约束,建立了相应约束条件下以电力系统总费用最小的模型。利用遗传算法具有求解复杂非线性问题解的优势,得到最优的电源分配规划模型。     

应用无监督聚类算法评估电网安全水平

提出一种基于聚类算法的电网安全评估新思路.以关键稳态状态量为输入,应用聚类算法提取样本空间分布知识,利用所获知识实现系统稳定水平评估.聚类算法以样本为起点构造子空间,不断扩展子空间以获得包含数据分布结构的最优子空间,最优子空间的聚合构成聚类结果,并以类边界样本展示训练集空间分布结构.算法对数据形状适应性强,适合增量式数...     

基于模糊聚类分析的无功电压控制分区

无功电压控制研究中的系统分区是一个非线性的大规模组合优化问题,使用常规方法常难以得到理想的结果。运用模糊聚类分析法将系统分区,并基于电压幅值对无功功率的灵敏度定义了电力系统各节点间的电气距离,对待分类对象的全体作适当的标定,运用传递闭包法求出动态分类,通过计算统计量F最后得出最优分类。该方法所占内存小,计算速度快。经IEEE39节点测试系统对该方法进行了验证,其结果表明:该方法有效、可行。     

基于改进k-means聚类的风电功率典型场景在日前调度中的应用

针对含风电电源的电网日前调度优化问题,应用聚类分析获得风电功率典型场景进行风电功率预测,并将预测结果用于日前调度优化具有重要意义。提出一种基于改进k-means聚类算法的风电功率典型场景生成方法,对周期内的风电数据通过场景生成和缩减,得到少数几个能反映周期内历史数据特征的风电功率典型场景集;然后以系统运行成本最小为目标,建立适应风电接入的日前机组组合模型,模拟风电接入后电力系统实际运行情况。最后通过算例比较风电功率点预测、区间预测和典型场景预测在电力系统日前调度中的经济运行优化结果,验证了所提方法的有效性和实用价值。