AI优化模糊核聚类算法的变压器DGA分析

针对模糊聚类及核聚类算法在电力变压器DGA分析中存在的初值敏感及易陷入局部极值点的问题,提出了一种人工免疫优化模糊核聚类的新算法。该算法将基于克隆选择原理和亲和力成熟的免疫克隆算法与模糊核聚类算法相结合,采用群体搜索策略,将待分类的数据对象视为抗原(Ag),把聚类中心看作抗体(Ab),通过免疫系统不断产生抗体,识别抗原来优化FKCM的目标函数,能快速地获得全局最优解。仿真结果证明了该算法在变压器故障诊断上的可行性和有效性。     

模糊免疫网络算法在数字图像火焰监测中的应用

提出了一种基于模糊免疫网络算法对火焰数字图像进行分类的研究方法。该算法由2部分构成：免疫网络算法与模糊聚类算法。模糊免疫网络算法是非监督学习算法，它不需要了解类别的先验知识，能够随着燃烧状况的变化实现动态聚类，同时该算法克服了传统模糊聚类算法须事先确定聚类数的缺陷。利用现场所获得的火焰图像，运用数字图像处理技术提取其特征量，对其进行分类研究，通过观察火焰图像类别的变化来判断燃烧状态是否发生变化。试验结果证明了该方法能有效地判断燃烧状态的改变。     

基于特征加权模糊聚类的电力负荷分类

电力用户的负荷分类为电力系统和电力部门的系统规划、负荷预测、分时电价等研究提供了基本的指导工作。利用基于变分模态分解（variational mode decomposition,VMD）和模糊C均值聚类算法（fuzzy C-means,FCM）实现电力负荷的分类研究,针对FCM中欧氏距离的特征权重唯一的问题,利用基于特征加权的模糊聚类方法,提出基于特征加权的VMD-FCM聚类算法。根据电网实测负荷数据,VMD算法可对数据的固有模态有效分解,结合FCM算法引入的权重系数,显著提高了算法收敛速度和聚类准确度。对聚类结果分析表明：所提VMD-FCM聚类方法能够有效区分不同负荷类型,具有实际应用价值,从而为电力系统的设计规划提供指导作用。     

基于数据驱动的网络安全数据分类方法

为了快速准确完成网络安全数据分类,提出了基于数据驱动的网络安全数据分类方法.利用基于数据驱动的K-means聚类算法通过初始中心选取和K值的确定聚类分析网络安全数据,采用随机森林算法完成聚类数据预处理,剔除网络数据的不相关特征属性,并利用领域粗糙集算法提取特征,去除冗余数据后,建立基于XGBoost算法的分类模型,通过...     

大型电力系统的信息分类过滤方法研究

在大型电力系统中,电力调度和管理是通过各类融合信息得以实现,需要对电力系统的信息进行分类处理,并对干扰数据进行有效过滤,提高电力系统的运行和调度能力。传统的信息分类过滤方法采用K-means数据聚类算法,当电力系统的数据变化幅度较大时,对干扰数据的过滤效果不好。提出一种基于小波多窗谱特征提取的大型电力系统的信息分类过滤方法。采用小波多窗谱特征提取算法对多维数据进行数据特征预处理,在二维空间中进行最近邻点模糊搜索,得到大型电力系统信息数据的最近邻聚类的模糊聚类中心,优化大型电力系统数据信息聚类目标函数,实现对信息的分类过滤。仿真结果表明,采用该算法进行大型电力系统信息分类过滤,能有效反映电力数据的信息特征,提高信息分类过滤的准确性,抗干扰能力较强。     

基于加权模糊C均值聚类算法的变压器故障诊断

模糊C均值聚类(FCM)算法具有将数据集合进行相等划分的趋势,每一个样本对数据集分类的影响相同.在变压器绝缘故障中,不同故障类型产生的主要特征气体及气体组分含量存在很大差异.因此,为了区别各类数据对故障划分的影响程度,可考虑对各类数据施加一个权.文中提出了一种加权模糊C均值聚类(WFCM)算法,该算法可实现故障聚类.与FCM算法相比,WFCM算法明显提高了故障划分的正确性和鲁棒性.     

改进谱聚类与遗传算法相结合的电力时序曲线聚类方法

为改善传统聚类算法在电力时序数据上的聚类效果,提出一种基于优化特征向量选取的遗传谱聚类算法。针对应用数据结构特点,合理优化谱聚类算法中特征向量的提取过程,避免传统方法可能造成的数据信息缺失问题;采用遗传聚类优化算法对优选后的特征向量进行聚类划分,并将最终划分结果映射回原始数据。以UCI标准合成时间序列数据与美国区域电网运营商PJM提供的日负荷数据为例,对比分析现有常用聚类算法与所提算法测试结果的聚类有效性指标与形态特征。研究结果表明,所提算法分类效果显著,有较高的聚类质量和算法稳健性,具有工程应用前景。     

基于最优K均值聚类算法的负荷大数据任务均衡调度研究

传统电力负荷大数据均衡调度方法无法应用于多源数据,导致负荷数据的划分精度偏低,开销较大,电力负载均衡性改善效果不明显。为此,提出基于最优K均值聚类算法的负荷大数据任务调度均衡方法。采用K均值聚类算法划分电力负荷大数据,并利用密度法优化K均值聚类算法的初始聚类中心点,获取电力负荷大数据最优分类结果;通过提取各分类结果的关联特征,获取电力大数据跨域调度的输出特征量,结合自适应权重学习方法,完成电力负荷大数据的跨源调度。实验测试结果表明：该方法可根据不同的电力负荷特点,高效完成用户电力负荷大数据分类。具备良好的负荷大数据跨源调度均衡性,且负载均衡离差均低于0.19,调度开销低于0.95 s,以上数据表明所提的电力负荷大数据跨源调度方法具有实用性。     

基于FCM聚类与SVM的电力系统短期负荷预测

分析了模糊C均值(FCM)聚类算法,介绍了支持向量机(SVM)回归的基本原理,提出了一种将FCM聚类算法和SVM结合使用的电力系统短期负荷预测方法。该方法考虑到电力负荷变化周期性的特点,通过对学习样本的聚类,选用同类特征数据作为模型的预测输入,然后对各个模型的输入数据进行归一化处理和分类识别,得出最后总的预测输出。此预测方法保证了数据特征的一致性以及算法的全局性,避免了算法陷入局部极小的缺陷。经过仿真实验,证明了该方法的有效性。     

结合降维技术的电力负荷曲线集成聚类算法

电力负荷曲线聚类是配用电大数据挖掘的基础。分析3种典型聚类有效性指标,指出Davies-Bouldin有效性指标更适用于评估负荷曲线的聚类结果。研究基于层次、基于划分、基于密度、基于模型等类型的聚类算法,从聚类效率和聚类质量两方面评价各种算法。层次聚类的质量较高,效率较低;划分聚类的效率较高,质量较低。针对单一聚类算法的不足,研究基于经典聚类算法的集成聚类算法并将其应用于负荷曲线聚类。该算法包括bootstrap重采样、划分聚类、层次聚类3步,对不同规模数据集的聚类结果表明集成算法具有更好的性能,特别适用于大规模数据集聚类。针对电力负荷曲线的特征,研究多种数据集降维算法,在降维后的数据集上进行集成聚类,比较各种降维算法的信息损失和计算效率。研究结果表明,对于大规模电力负荷曲线的聚类问题,结合主成分分析降维的集成聚类算法可以取得最佳效果。     

矢量距浓度免疫算法在配电网重构中的应用

针对免疫算法在配电网重构中收敛速度慢,易收敛到局部最优解等问题,提出矢量距浓度免疫算法.抗体的亲和度决定它的矢量距,并由矢量距得出抗体的浓度、选择概率和期望繁殖率,根据选择概率自适应调整抗体的变异率,根据期望繁殖率进行克隆操作以保证抗体的多样性和全局最优解的生成,最后结合疫苗接种和免疫记忆机制促进全局最优解的生成.算例...     

基于人工免疫系统聚类算法的用电客户信用分析

在分析人工免疫系统聚类算法的基础上研究基于人工免疫系统聚类算法的用电客户信用分析原理,建立用电客户信用分析指标体系,根据电力公司客户数据,采用人工免疫系统聚类分析方法对用电客户信用进行分析,将用电客户信用按高、中、低三类进行聚类,经计算得到信用高、中、低的用电客户分别为2家、3家、1家。结果表明人工免疫系统聚类分析方法只要确定了浓度阈值和聚类个数就可得到结果,计算过程简单,能够适用于大数据量,对专业知识的要求较低,对于数据的顺序不敏感,是一种进行用电客户信用分析的较好方法。     

人工免疫算法的全局收敛性分析

提出了一种模拟生物免疫系统自我调节功能的人工免疫算法，介绍了算法的基本步骤，构造了几种人工免疫算子．对人工免疫算法的全局收敛性进行了分析，指出在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群，则人工免疫算法是全局收敛的．     

基于免疫算法的电压稳定裕度计算

提出一种求解电压稳定裕度的新算法——免疫算法。该算法模仿人体的免疫系统,将搜索空间的解作为抗体,依据抗原与抗体的亲和性以及抗体之间的亲和性对解进行评价和选择,由于具有多样性记忆单元的存在,有效地克服了确定性算法中解易陷入局部极值的缺点,能快速搜索到全局最优解,并求得电压稳定裕度的最大值。应用该算法对IEEE14节点和IEEE57节点系统进行仿真计算,获得了较原-对偶内点算法至少增加10%的稳定裕度。     

改进免疫聚类算法的变压器故障诊断研究

电力变压器是电力系统中的最关键的设备之一,一旦其发生故障,必然会带来巨大的经济损失。本文分析了模糊C均值、免疫算法、混沌优化算法应用于变压器故障诊断的应用现状,提出了基于灰色关联度的免疫模糊聚类算法。在算法中,将故障样本间的灰色关联度和模糊聚类目标函数作为个体亲和度的函数的参数,混沌变异采用柯西变异算子,使得较大概率的搜索广大空间成为可能,从而产生较大变异,这样不易陷入局部最优点,从而保持种群的多样性。实验结果表明,采用所提方法使变压器故障诊断的准确率达到90%以上,该算法不仅有效的克服了传统的FCM聚类算法易陷入局部最小值的缺点,又能有效的抑制免疫进化过程中产生的"退化"现象。     

基于AIS风电机组故障诊断与偏航控制系统研究

基于人工免疫算法,设计了一种风电机组故障诊断与偏航控制一体化系统。该系统包含故障诊断免疫子系统代理和偏航控制免疫子系统代理。首先归结出了风电机组的不同故障类型与偏航控制条件,并建立了两个免疫子系统代理的抗原与抗体对应表。然后采用对抗原与抗体进行统一编码的方法,计算抗原与抗体之间的亲和力,实现了抗原与抗体的识别结合过程。最后仿真实验结果表明,该系统能够高效地协同工作,诊断已知故障类型(抗原),并能自动给出对应的解决措施(抗体);能够根据不同的风速风向条件(抗原)给出最优的偏航控制策略(抗体)。通过与传统PID控制相比,本文提出的系统具有更好的稳定性和鲁棒性。     

基于递阶G-K聚类的热工过程多模型建模方法

针对热工过程分段线性化的特点,本文提出一种新的基于递阶模糊聚类的热工过程多模型建模方法。首先基于递阶G-K模糊聚类对系统输入／输出数据空间进行快速聚类分解,避免了聚类数确定的盲目性;然后在每个子空间中利用最小二乘法辨识出相应的线性子模型,再将各子模型通过模糊加权求和以得到精确的系统全局模型。同时,为保证各聚类子空间内样本的“线性化度”,采用新的综合聚类指标,并利用免疫遗传算法来求解该聚类问题,以克服迭代算法易陷入局部极小和对聚类初始化敏感的缺点。该方法能充分利用运行数据中所包涵的对象动态特性信息,以描述过程的全局非线性。最后通过几个典型实例验证了该方法的有效性、准确性。     

Constrained multiobjective optimization for microgrid based on nondominated immune algorithm

The optimization of a microgrid is a typical multivariable nonlinear programming problem with multiple hybrid constraints. In this paper, a kind of constrained multiobjective optimization based on nondominated immune algorithm is used, in which the constraint is transformed into a target function, a relatively isolated nondominated antibody is selected as the active antibody, and ratio cloning, recombination, and mutation are performed in order, according to the crowding distance of the active antibody, thus obtaining the convergence of an ideal Pareto front and a uniform distribution of the Pareto‐optimal solution. The optimization model of the power output of the microgrid and the simulation of the operation in two microgrids for 24 h are carried out by utilizing the algorithm. The results show that good environmental protection is obtained at the lowest cost of running and maintenance, thus satisfying the stability of power supply requirements for users. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

采用改进免疫算法的多目标配电网重构

建立了网损最小、负荷均衡度最小及静态电压稳定裕度最大的多目标配电网重构优化模型。应用免疫算法进行模型求解,略去了交叉操作,利用可行解排序确定抗体综合亲和度,并根据综合亲和度自适应调整可行解变异率,利用自适应变异及疫苗接种操作保证了抗体的多样性,提高了可行解比例,保证了算法向全局最优解收敛。算例结果验证了该方法的有效性。