一种面向需求响应业务的电力通信网资源优化配置策略

电力通信网未来接入终端的业务数和汇聚信息量正呈现爆发式增长。需求响应类业务与传统终端接入业务有所不同。其业务短时接入量巨大、业务并发比例波动严重并占用带宽资源冗余,该特征造成接入层与汇聚层的网络设备短时负载严重。在一定程度上,需求响应类业务影响了电力通信网的正常运行。为此后续需求响应类业务建设对现电力通信网资源的规划及管道配置提出了更高的要求。该文在分析现国网信通产业集团新发布的"十三五"规划文件基础上,总结已有入网的需求响应类通信业务特征,提出一种能实现其路由与保护通信资源优化配置策略。该策略利用业务动态服务质量(quality of service,QoS)调节和带宽资源动态释放占用的思想,规划新接入的需求响应业务工作及其备份保护路由。在保证需求响应业务信息传输质量的情况下,最大化复用空闲带宽资源。仿真实验结果表明,所提的配置策略能在一定程度上提高带宽资源利用率,降低网络带宽冗余,实现更多数量的需求响应类业务接入。     

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。     

面向电力需求侧响应的用电负荷聚类策略研究

地市供电公司通过归类分析进而准确、快速、有效地发掘用户侧需求响应潜力是缓解高峰时期供电压力和保障电网安全运行的重要举措。因此,构建了基于客户用电负荷大数据的清洗、插值、归一化预处理流程,确立了区分用户生产班制的负荷数据判别方法,建立了匹配用户典型用电负荷曲线的模糊C均值聚类算法模型,用以描述单个用户负荷曲线与地区负荷曲线的近似度,并运用戴维森堡丁指数(DBI)作为聚类结果判据,最后通过对华东某地市用户负荷曲线的需求响应潜力分类算例证明了该归集策略的有效性。     

一种基于改进模糊聚类算法的自适应典型日选取方法

考虑单一算法在选取典型日负荷曲线上的不足,将改进后的可能模糊C均值聚类算法（PFCM）与模糊线性判别法（FLDA）相结合提出一种新的集成聚类方法。首先将原有的PFCM改进,得到改进后的PFCM,并将其应用于最佳聚类数的选取;然后将改进后的PFCM与FLDA相结合,将该集成聚类算法应用于负荷曲线的聚类。最后,通过某电网全年负荷数据验证了所提方法在典型日选取上的有效性。     

一种密度聚类模糊神经网络的建模方法

针对仅依赖于输入输出样本数据的复杂系统建模问题,借鉴模式识别聚类分析的理论思想,提出了基于密度聚类提取样本数据模糊规则的理论和方法,通过密度聚类法提取样本数据输入输出变量间的内在规则,并根据密度聚类提取规则的特点,建立了基于密度聚类的模糊逻辑推理方法,确立了一种基于密度聚类的模糊神经网络(DFNN)模型结构。以石化过氧化氢异丙苯(CHP)分解反应过程为对象,进行了仿真建模比较分析,结果表明在模型精度和可靠性上,均优于基于C均值聚类提取规则的模糊神经网络(CFNN),验证了DFNN建模方法的有效性。     

电力系统同调机群识别的一种模糊聚类方法

给出了一种能识别电力系统同调机群的模糊聚类方法。首先采用最大－最小方法对线性化后的系统状态矩阵进行标定,得到反映机组间动态相关程度的模糊等价关系矩阵,然后采用模糊聚类方法识别同调机群。最后给出了10机和24机两个试验系统同调机群识别结果,并通过特征根计算证明了此方法的有效性。     

一种新的动态聚类算法及其在热工过程模糊建模中的应用

文中提出的新型动态进化聚类算法克服了传统模糊聚类建模算法须事先确定规则数的缺陷。它通过改进的遗传策略来优化染色体长度，以实现对聚类个数进行全局寻优；同时，利用FCM算法加快了聚类中心参数的收敛：此外，通过引入免疫系统的记忆功能和疫苗接种机理，新算法得以快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型，可以同时得到合适的模糊规则数和准确的前提参数。仿真实例验证了文中动态模糊聚类建模算法的有效性，将其应用于热工过程可获得高精度的非线性模糊模型。     

一种基于免疫聚类算法的数据分类

生物免疫系统具有认知、特征抽取、学习和记忆等特点,而聚类分析则把数据对象按一定规则分成若干类,这些类不事先给定,而是根据数据特征确定。提出了一种免疫聚类算法,该算法主要包括抗体产生、抗原识别和抗体优化等过程。利用免疫聚类算法对压气机运行特性数据进行分类。仿真结果表明:该算法在数据分类上具有良好的可行性和实用性。     

面向结构复杂数据集的模糊聚类有效性指标

如何有效确定聚类数是聚类领域的历史性难题之一。面向聚类的一大标志性算法——模糊C均值算法,现在聚类评价性指标普遍对数据结构复杂和集群大小差异悬殊的数据集难以做出精准判断。针对该问题,提出了一种新的基于数据集几何结构和大小集群的模糊聚类的有效性指标V_(GSDC)(面向几何结构和大小集群的指标)。以类内平方误差和、隶属度权值得到紧致性度量策略,以聚类中心距离最小值、各聚类中心到平均聚类中心的距离和衍生出分离性测算方法,由此合成得到新的有效性指标V_(GSDC)。进一步凭借V_(GSDC)的极值处对应的类别数可自动得到最佳聚类数。通过在6个数据集上与11种聚类有效性指标的实验对比分析,发现所提的V_(GSDC)指标性能最优,不仅可以处理多种类型的数据集,而且充分考虑了数据集的结构特征和复杂性,能够适用于大型、聚类中心间距离差异悬殊的数据集。     

面向电力需求响应业务的P圈保护算法

为满足电力需求响应(DR)业务对实时、可靠通道的技术需求,解决DR多播业务的通道保护问题,提出了一种面向电力DR业务的P圈保护算法。通过评估DR多播链路的重要度,采用边扩张和对偶圈合并算法对已配置的P圈进行优化,实现对DR重要链路的优先保护。仿真结果表明,所提出的算法有效减少了P圈的数量和保护失效率,提高了保护资源的复用度,能够为电力DR业务的通道级故障的快速恢复提供有力支撑。     

基于聚类算法的蓄电池SOC模糊预测

为了实现对蓄电池的准确在线估算,研究了利用蓄电池电动势、内阻与荷电状态(state of charge,SOC)之间的关系,设计了基于模糊C-均值聚类的模糊控制器。该控制器将模糊C-均值聚类方法与模糊控制系统有机结合,能有效地进行数据划分和构建模糊控制规则。实验表明,该方法将SOC预估误差控制在3%之内,很好地反映了铅酸蓄电池的能量状态。与现有的模糊预测控制器相比,准确度更高,具有一定的实用性。     

基于模糊聚类算法的变压器故障诊断研究

介绍了模糊C-均值聚类算法和三比值法的原理,并给出了故障实例。     

基于FCM的快速模糊聚类算法研究

为改善FCM算法的运算性能、获得和原FCM算法等价的分类结果,本文提出了基于加权样本的fFCM（fast FCM）算法。此算法首先构造原待聚类集合的权集,并在权集上应用改进的FCM算法——WFCM（weighted FCM）算法快速获得和原FCM算法近似的分割结果;然后,将得到的分割结果作为FCM算法的初值再次利用FCM算法以获得最终的分割结果。理论证明和相关实验表明,fFCM不仅能获得和原FCM算法等价的分类结果,还具有良好的运算性能,具有广泛的适用性。     

一种用于图像分割的改进FCM聚类算法

介绍了一种先采用离散K-L变换对采得的图像滤波,然后采用二维向量小波对图像进行特征提取,最后利用改进的FCM结合的图像分割算法对图像进行分割的算法。文章首先阐述了对图像进行K-L变换的原理,再利用二维向量小波变换对其进行分析得出图像特征,最后运用FCM算法的思想,对其进行改进方案,最后得出分割后的图像。实验结果证明,该方法显著提高了分割速度和精度,具有一定的使用价值。     

基于负荷聚类的居民需求响应积分精准激励机制

为充分调动居民侧柔性资源,提出了以积分为核心的"三精准"居民需求响应激励机制,一是用户精准定位,应用欧式距离和相关系数构建了基于负荷特征的居民聚类模型,实现面向削峰填谷的潜力准确化评估;二是积分精准设计,根据需求响应项目特性提出了差异化居民积分计算模型,实现积分模型差异化应用;三是积分精准结算,提出了考虑风险的按等级积分结算模型,实现积分结算精细化管控,并采用江苏某地区居民实际数据验证负荷聚类的有效性和激励机制的可行性。     

基于改进模糊聚类算法的变压器油色谱分析

变压器油色谱分析对变压器的运行和维护具有重要意义,聚类算法是油色谱分析的一种重要智能算法。但是传统模糊聚类算法(FCM)无法实现变压器油中溶解气体分析(DGA)数据的有效故障分类。该文针对传统FCM隶属度函数存在较多局部极值点的缺陷,重构了FCM的隶属度计算方法。通过构建指数形式的相似性函数,得到随距离单调变化的隶属函数,消除了隶属度函数的局部极值点;将相似性计算分为两个步骤,先根据样本每个属性计算子相似性,再融合得到样本的综合相似性,进而得到隶属度。实例分析表明,该方法提高了FCM进行DGA故障模式识别的能力,改善了算法的分类性能,具有重要的现实应用价值。     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

基于模糊聚类算法的油纸绝缘状态研究

回复电压测试法是利用电介质响应特性评估变压器油纸绝缘老化状态的方法,通过回复电压法可以得到变压器油纸绝缘的相关参数。首先,本文辨识ED等效电路参数以及基于回复电压法提取相关特征量,将所得到的特征量用于电力变压器油纸绝缘老化评估;其次,利用模糊聚类分析法将不同油纸绝缘老化程度较接近的变压器进行归类,综合判断变压器油纸绝缘的老化情况,为评估电力变压器油纸绝缘老化状态提供一种新的思路和方法。     

一种基于蒙特卡洛T方检验的变电站模糊聚类方法

电力系统负荷建模中的负荷分类是一项重要工作.文中分析各典型变电站日负荷曲线,从中选取用于变电站负荷分类的特征数据.针对聚类过程中无法判断聚类类别数的合理性以及缺乏检验方法判断模糊聚类结果有效性的问题,提出一种基于蒙特卡洛T方统计检验的模糊聚类方法,以指导聚类过程、检验聚类结果.最后运用以上方法对某省网72座220 kV...     

一种新的基于粗集编码的模糊聚类数据处理方法

本文提出一种新的基于粗集编码的模糊聚类数据处理方法.该方法对电子测量信息处理中的数据,根据粗集理论进行编码、特征属性简化,然后利用模糊隶属度函数将输入精确信息映射为模糊变量信息,提出把数据特征的重要性因子结合在模糊聚类的分类隶属度函数中以提高数据聚类处理的能力,并利用最小化目标函数离线学习来搜索测量数据聚类的聚类中心,该方法可以通过人工神经网络实现.