基于改进K-均值聚类算法的背景建模方法

针对背景差法易受外界环境因素影响的缺点,提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离,对各个像素的观察值进行聚类,并在聚类过程中逐步确定其类别数。一段时间的学习之后,样本数最多的子类就构成了背景模型。仿真结果表明,该算法即使在运动目标存在的情况下也能准确的提取出实际的背景,而且显著地降低了系统的存储量。     

基于K-均值聚类算法的大客户用电行为分析

为掌握大客户的用电习惯和用电特征、满足不断变化的客户用电需求、逐步提升大客户领域供电服务水平,本文采用K-均值聚类算法、二八定律、归一化算法等统计分析方法,运用SPSS等数学分析工具,从行业特点、客户价值、用电需求、成长性等方面刻画用电客户群体特征,挖掘大客户用电数据中的隐藏数据和潜在价值,得出五类典型的大客户用电负荷特征曲线,建立对应的五类典型用户分类,得到了五类用电行为特征的结果,通过结果分析得出半数以上用户的用电特点、同类型的船舶制造业仍然具有不同的用电特点、电能紧张时优先对建筑业和采矿业实施有序用电可以取得较好效果,最终对企业的电力营销和调度进行决策支撑,为用电需求侧管理、优化客户服务管理规范提供辅助决策。     

基于K-均值聚类粒子群算法的变电站定容选址

针对变电站定容选址的优化问题,建立了以变电站年综合费用最小为目标的数学模型,不仅考虑变电站投资、馈线投资和网损维护等可量化费用,还将状态变量约束以罚函数形式计入目标函数中,使变电站定容选址模型更具实用价值。在此基础上,提出了一种基于K-均值聚类粒子群的智能算法对其进行求解,该算法有效地克服了传统粒子群算法容易陷入局部最优以及早熟的缺点。最后通过实例验证了模型和方法的实用性和有效性。     

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。     

基于改进分裂H-K聚类算法的风电场机群划分方法

针对风电场建立多机等值模型时等效风机数目不确定的问题,通过分析风电机组的运行机理,以风机的实际参数为聚类指标,引入轮廓系数计算不同等值数目时的轮廓值,选择最优的聚类数目,运用改进分裂H-K聚类算法进行聚类。在MATLAB平台上建立风电场详细模型和聚类模型,在两种风速模式下分析两种模型输出的有功功率和无功功率曲线,结果表明两种模型曲线在同时间点上相对误差率很小,提高了模型精度。文中提出的方法可以运用于风电场的多机等值建模,能够比较准确地反映风电场的动态响应特性。     

基于K-均值聚类多场景时序特性分析的分布式电源多目标规划

若不考虑分布式电源出力及负荷需求的波动性及不确定性,可能导致分布式电源规划容量偏大或系统电压改善程度降低。深入分析分布式电源出力时序波动特性,并引入K-均值聚类多场景概率分析方法,以降低上述波动性及不确定性对配电网的影响;以最大化年寿命周期收益率和电压分布改善率作为目标函数,建立分布式电源多目标规划模型,并采用多目标复合微分进化算法对其求解和基于最短归一化距离法实现多目标总体最优解决策。以IEEE33节点配电系统为例进行分布式电源多目标规划,验证了所提方法的有效性和优越性。     

基于ISODATA改进K均值聚类算法的NLOS识别技术

针对超宽带信号中非视距误差造成定位系统定位偏差的问题,提出了一种改进无监督算法的NLOS识别技术。本文提取信道脉冲冲激响应波形的8种特征参量,选择主成分分析算法对多维特征进行降维处理;采用基于迭代自组织数据分析法改进的K均值聚类算法,自适应地选择K值来区分视距和非视距信号;最后,结合特征参量的冗余性、相关性对分类结果进行判别。实验结果表明,该方法能有效地识别出NLOS信号,且具有较好的环境适应性,识别准确度达到95%。     

基于改进模糊C均值聚类和MPSO的风电场等值研究

为了提高双馈风电场等值模型的精准度,提出了一种双馈风电场等值建模方法。首先选取能表征各个机组运行状态的特征状态变量矩阵作为分群指标,采用改进模糊C均值聚类算法进行机群划分;然后基于全局最优位置变异粒子群算法对等值机模型的参数进行辨识,将同群的机组等值成一台风机。利用DIgSILENT/PowerFactory平台进行仿真建模,对风电场发生风速阶跃变化和三相短路故障2种状态进行仿真,仿真结果表明,该等值模型与详细模型的动态特性基本一致,比传统的单机等值模型更适合表征双馈风电场的工况。     

基于改进均值聚类随机粒子群算法的变电站LCC规划

基于设备全寿命周期成本(LCC)建立了配电网变电站选址定容新模型,模型统筹考虑了规划方案的初始投资成本、运行维护成本、故障成本、废弃成本,在满足安全、效能的前提下使得规划模型在全寿命周期内经济性最优。提出一种将均值聚类与随机粒子群算法相结合的改进粒子群算法对上述规划模型进行求解,该算法克服了粒子群优化算法(PSO)的早熟现象。通过规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行,具有更高的实用价值。     

基于改进模糊C均值聚类时段划分的配电网动态重构

随着大量光伏和风电等间歇性电源接入配电网,传统的静态重构方案不再适用于动态变化下的网络。在此背景下,提出了一种基于改进模糊均值聚类的动态重构策略。首先依据分布式电源(distributedgenerator,DG)和负荷的时变性建立确定性等值负荷预测曲线,通过改进的模糊C均值聚类算法进行时段划分,并且利用损失函数确定最优时段划分方案。其次采用区间数描述DG和负荷预测的不确定性并建立以网损区间值最低为目标函数的动态重构模型,并引入仿射泰勒扩展的潮流计算法求解区间潮流方程。最后采用基于回路搜索的十进制粒子群算法对重构模型进行求解,实现不确定因素下的配电网动态重构。通过IEEE33节点系统仿真验证了所提方法的有效性和优越性。     

基于图拉普拉斯矩阵和改进K均值聚类的滚动轴承故障诊断

由于轴承的振动信号中往往蕴含大量的干扰信号,高效提取故障特征并进行分类识别是轴承诊断工作的关键所在.传统的故障特征提取方法往往需要多种表征不同故障的指标集合,本文提出了一种基于马氏距离加权的Laplace矩阵和改进K均值聚类的轴承故障诊断方法.首先将轴承的时域离散信号映射到图形域以获得图信号,通过马氏距离加权和图信号的...     

基于可拓距K-均值聚类和正弦微分进化算法的风储联合系统优化配置

以最大化风储联合投资商的收益和风电就地消纳率为目标,考虑源网荷协同优化和需求响应构建了风储联合系统的多目标优化配置模型;采用可拓距K-均值聚类算法对分布式风电出力和负荷需求的不确定性进行多场景分析,以实现更为准确而均衡的场景缩减;通过引入多核并行运行环境与正弦函数的思想,提出基于并行多目标正弦微分进化算法对优化配置模型进行高效求解;以IEEE 33节点配电系统为算例进行风储联合系统的优化配置,仿真结果验证了所建模型的有效性和优越性.     

基于小波模糊熵GG聚类的同调机群识别

针对同调机群识别面临的特征提取片面及计算过程复杂相互制约的问题,提出一种基于小波模糊熵-GG(Gath-Geva)聚类的同调机组识别新方法。根据广域测量系统获取的故障后系统机组功角信息,利用多尺度小波分解将功角摇摆曲线分解为整体趋势和细节信息,计算各个尺度小波系数的模糊熵,并作为发电机的特征向量,再通过GG模糊聚类算法对其进行同调聚类。对IEEE 39节点系统和某实际电网进行仿真,算例分析结果表明所提方法能够根据故障后系统机组功角信息的变化更新功角数据库,实现快速准确的同调机群识别。     

基于模糊C均值聚类和改进相关向量机的变压器故障诊断

为了提高电力变压器故障诊断准确率和单一相关向量机核函数存在的固有二分类属性及对预测分类鲁棒性弱的问题,提出基于模糊C均值聚类和改进相关向量机的变压器故障诊断模型。首先对样本进行模糊C均值聚类,然后再采用相关向量机的完全二叉树结构进行划分。相关向量机核函数采用组合高斯核函数和多项式核函数构造的混合核函数,并利用双子群果蝇算法对混合核函数参数进行优化。实验表明,相比单核函数、粒子群算法优化混合核函数参数,所提方法准确率高、稳定性好,同时分类速度快,满足实时在线故障诊断。     

基于CAN的电动机群故障监控系统

提出并设计了基于CAN（Controller Area Network）的电动机群故障监控系统。该系统由电动机保护装置、通信模块及后台监控巾心组成，具有电动机故障保护、通信和控制功能，并能实时监控电动机导条或端环断裂等机械故障。基于CAN的电动机群故障监控系统可实现对全厂、站电动机的实时监控，不仅有利于事故的分析与处理，还可检测电动机运行过程中存在的隐患。最后介绍了构成系统的各模块的硬件设计与通信网络结构等。     

基于PLC的电动机群综合保护系统

提出了构建电动机群综合保护系统的方案。根据电动机群的分布或类型以及需要检测的状态量,合理划分电动机组别,分配PLC与上位机的监控任务。按照此方案设计并应用于窄带钢五机架冷轧生产线的电动机群状态综合保护系统。同时本文对此项目实例的构建做了一定的论述。     

基于模糊均值聚类的自适应指纹图像分割

指纹分割是指纹图像预处理中的重要一步,有效的分割能减少后续处理时间并提高特征提取的可靠性。提出一种基于FCM的指纹图像分割方法。利用指纹图像脊线和谷线的灰度方差、纹线的方向一致性进行指纹图像分级分割,由FCM算法自适应的选择分割阈值。避免了人为选择阈值的困难。实验结果表明,该方法具有较高的稳健性和有效性。