减碳配额约束下电力客户的模糊聚类分析

在减碳配额约束下．供电公司的客户服务领域将由单纯的供电营销向全面的指导用户优化用电方式和减碳服务方向拓展。考虑电力用户的减碳水平,构建了低碳经济下电力客户价值指标体系,提出运用动态模糊聚类算法细分电力客户的新方法,深入分析了动态聚类时最佳阈值的选取依据,用此方法对某市10名大工业客户进行了实证分析。结果表明,低碳经济下电力客户评价指标体系具备合理性。根据聚类结果,总结了不同类别客户的特点,对供电企业如何展开针对性服务提出了建议。     

模糊聚类分析方法在管道泄漏检测系统中的应用研究

管道的泄漏检测是保障管道安全运行的重要技术,而管道信号的特征提取是管道泄漏检测系统中重要的组成部分.由于传感器数量的限制,信号处理工作难度较大,并且泄漏判断的误报警率较高,本文提出利用模糊聚类分析方法对管道信号进行特征提取,根据特征量的变化判断泄漏,对实际信号进行的处理验证了该方法的可行性.     

模糊聚类分析在水电机组振动故障诊断中的应用

水轮发电机组的振动与其他旋转机械的振动有很大不同，水力、机械、电气3方面因素各自引起的振动形成的耦联、振动故障与振动特征的非一一对应性及多种振动在某部位的叠加，形成了水轮发电机组振动的复杂性，很难用准确的语言来描述振动的程度及振动是否存在，这就给振动原因的分析带一定困难。采用模糊数学的方法，用隶属度来描述诸如“振动大”、故障“存在”或故障“严重”等此类模糊命题，比用传统的二值逻辑更实际地反映了机组的振动。在此基础上引用模糊理论中隶属度的概念来描述机组振动故障存在的倾向性，采用动态模糊聚类分析示分析机组振动的原因。通过实例检验表明，理论计算与现场检查结果相符，证明该方法具有良好的实际应用前景，为水轮发电机组状态监测及故障诊断提供了一种新途径。     

模糊聚类分析在汽轮发电机组振动故障诊断中的应用

介绍了模糊关系诊断方法 ,并且针对模糊关系诊断方法的不足 ,在模糊关系诊断中引进聚类分析 ,并结合实例对两种方法进行了比较。指出采用聚类分析后再应用模糊关系诊断 ,可避免误诊断的发生。     

模糊聚类分析在汽轮发电机组转子振动故障中的应用

将模糊聚类的方法应用到汽轮发电机的组转子振动故障的诊断研究中,提出了合适的在参数,从而指出在多故障发生与多故障特征的情况下应优先诊断的范围,实践表明这种方法是可靠的,同时可心使诊断时间大为减少。     

凝汽设备模糊神经网络故障类别诊断模型

火电厂汽轮机凝汽设备故障较多，且故障原因复杂。在对凝汽设备故障类别详细分析的基础上，建立了基于模糊神经网络的凝汽器故障类别诊断模型。该模型结合了模糊逻辑与人工神经网络(ANN)的优点，采用了先进的批处理自适应变尺度优化学习算法(MDFP)，减少了计算工作量，使故障诊断迅速，准确。仿真试验表明，模型故障类别诊断效果良好。     

模糊聚类分析在变压器保护中的应用

利用模糊聚类分析方法，对变压器各种运行情况的特性参数进行了分析。该方法可准确鉴别励磁涌流，正确区别正常运行、内部故障和涌流情况，可提高变压器继电保护的灵敏度。     

用电检查人员如何与客户沟通

0引言用电检查是供电企业与用电客户之间业务交往较多的一项工作。因此,用电检查人员与用电客户有效沟通,以优质服务树立供电企业新形象是一个亟待解决的重要课题。笔者认为,用电检查人员应从以下几方面提高与用电客     

基于模糊聚类分析的分层估计算法在DTS中的应用

为了建立调度员培训仿真(DTS)系统逼真的培训初始条件，需要获取EMS／SCADA系统状态估计的结果。文中分析了状态估计的研究现状和模糊聚类分析法在辨识不良数据方面的应用，提出了基于模糊聚类分析的分层估计算法，即先在厂站级对量测数据进行检测和模糊聚类辨识，根据隶属度的大小辨识出不良数据和对不良数据进行重新估计，再进行全网状态估计。该算法将厂站估计与全网估计加以协调，较好地解决了多相关不良数据的辨识及整体式状态估计中的残差污染问题，并成功应用于河南电网DTS系统中，提供了良好的数据基础。     

基于模糊聚类分析的分层估计算法在DTS中的应用

为了建立调度员培训仿真（DTS）系统逼真的培训初始条件，需要获取EMS/SCADA系统状态估计的结果。文中分析了状态估计的研究现状和模糊聚类分析法在辨识不良数据方面的应用，提出了基于模糊聚类分析的分层估计算法，即先在厂站级对量测数据进行检测和模糊聚类辨识，根据隶属度的大小辨识出不良数据和对不良数据进行重新估计，再进行全网状态估计。该算法将厂站估计与全网估计加以协调，较好地解决了多相关不良数据的辨识及整体式状态估计中的残差污染问题，并成功应用于河南电网DTS系统中，提供了良好的数据基础。     

基于模糊聚类的电力客户用电行为模式画像

随着电力客户数据采集频度不断提高、数据分析维度不断扩展,客户的用电行为变得更加复杂。客户标签和画像技术的发展,给客户用电行为分析带来了更直观、简洁的表现方式。论文基于海量的客户档案、负荷、电量数据,综合考虑客户用电特征、影响因素,建立了客户用电行为标签库,并采用模糊聚类算法进行客户用电模式分析,实现不同类型客户的用电行为模式画像。某地区20 000户工商业客户的用电行为模式画像分析结果表明:文中选取的用电行为标签合理有效、采用的聚类算法效果显著、客户画像精准,能够为电力公司掌握客户用电习性、挖掘客户需求、提高服务水平提供有力支撑。     

变压器故障诊断中溶解气体的模糊聚类分析

针对变压器故障诊断中的不足 ,介绍了模糊聚类分析的理论、方法及聚类效果的判别原则。将模糊聚类分析其应用于变压器的故障诊断 ,列举了诊断实例。     

模糊聚类分析在分区负荷预测中的应用

分区负荷预测通常直接按行政区域划分预测区域,没有考虑同一行政区内可能存在电力负荷增长规律有较大差异的情况。通过模糊聚类的方法,按下一级行政区域中负荷变化规律的近似程度,实现新的分区,有利于改善分区负荷预测的预测效果。针对聚类过程中各项聚类指标对用电量水平影响力不同的问题,引入了加权标定方法。以苏南5市为例进行了聚类分析,其结果和实际情况相符。     

基于模糊聚类分析的多机系统特征值计算

QR法是计算系统特征值的传统算法，但在系统阶数甚高的情况下，会发生“维数灾”问题，针对此提出一种基于模糊聚类分析的多机电力系统特征值的计算方法，这一方法根据多机系统K1－K6模型的K1矩阵建立机组之间的相似模糊关系，进行模糊聚类分析，将多机系统划分为若干个近似解耦的解耦子系统。对各个解耦子系统分别进行特征值计算，各解耦子系统特征值的集合即为原系统的近似特征值，算例表明，对于包括机电模式在内的系统全部特征值，都可取得满意的计算结果。     

基于聚类分析的客户用电模式智能识别方法

结合k-means、k-medoids、SOM以及FCM等聚类算法,构建了电力大客户典型用电模式的聚类分析模型,提出了一种评估聚类效果的新方法。首先通过分析电力客户用电指标数据及其特点,提出采用高斯滤波器对含"噪声"曲线数据进行平滑处理来获取客户用电数据。然后提出了聚类平均半径、平均直径和平均最小间距等3个评价指标,并以此为基础设计出一种评估聚类得分的新方法。最后使用聚类分析模型对某地区电力大客户日用电量曲线进行聚类分析,实现了地区典型用电模式的自动识别功能。实际算例分析结果表明,该评估方法物理概念清晰、简便、实用。     

基于模糊多属性决策法的用电客户信用评价

用电客户的信用评价是供电企业及全社会都应该关注的问题.文章在分析了用电客户信用评价应该考虑的主要因素的基础上,建立了一套适用于用电客户信用评价的指标体系,并以三角模糊数的形式给出指标值和评价者的主观感觉值,将基于期望值的模糊多属性决策法引入用电客户的信用评价中,同时讨论了指标权重完全未知和部分未知时用电客户的信用评价问题.     

安全性评价在客户安全监督中的应用

当前,电网建设正快速开展,供电网络结构日趋完善,但滨海供电公司管辖的各电力客户经营状况参差不齐,尤其是广大老客户,用电设备健康水     

优化模糊C均值聚类的台区用户用电特征分析方法

精准的用户特性分析方法是配电网模型计算与电力服务制定的重要基础之一,为克服现有配电台区多样性用户划分的数量选择与特征选择难题,提出一种优化模糊C-均值聚类的用户用电特征分析方法。利用优化的模糊C-均值算法实现聚类分析,通过聚类中心建立特征模型,从而获知多样化场景下配电台区用户特性。在聚类过程中,通过蜜獾算法优化选取模糊C-均值聚类初值,来应对易局部最优的难题,找到目标函数最小的结果;利用指标自适应极小值的原则选取最佳聚类数,使聚类中心代表性更强。通过天津地区的典型案例获取用户用电特征,实现聚类目标函数与结果综合性评价指标最优的目的。     

基于模糊聚类分析的空冷式凝汽器ACC运行状态评价

在详细分析空冷式凝汽器(ACC)运行状态的各项评价指标的基础上,应用模糊聚类的分析方法并建立隶属函数,对ACC运行状态建立了模糊评价模型并进行状态分析。结果表明:基于模糊聚类分析的评价模型可以准确的评价ACC的状态,对提高整个发电厂的安全性和经济性具有广泛的应用价值。     

基于模糊聚类分析的电网分区研究

以电网节点为分类对象,通过雅克比矩阵中的电压幅值与无功的关系,定义灵敏度矩阵并形成电气距离矩阵,以此建立模糊相似矩阵,再利用模糊聚类分析的传递闭包法划分该矩阵的电压控制区域,并校验分区结果的有效性和可行性.