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．     

灰色聚类与模糊聚类集成诊断变压器内部故障的方法研究

根据反映变压器绝缘状态的模糊和灰色特征，采用模糊聚类方法，对若干典型故障样本聚类成C个灰类，得到C个最优聚类中心。依据聚类中心矩阵并借助灰色系统理论，提出了一种确定故障诊断各灰类白化权函数的原则和算法，根据该算法，首先求出各待检模式状态的灰色聚类系数，进而建立了一种灰色聚类与模糊聚类相结合的变压器故障诊断的新模型，进行了大量的该模型应用实例分析，结果表明该文方法的诊断准确度高于现有的常用方法。     

基干聚类和模糊神经网络的模糊系统设计及应用研究

利用聚类技术和模糊神经网络的学习能力从模糊控制系统的现场数据中获取模糊规则，自动调节隶属函数，把被控对象的建模与控制规则的建立统一为模糊神经网络结构参数的生成和学习问题，用于一个化工过程控制问题，取得了满意的结果。     

基于遗传算法的电力系统聚类模糊稳定器的设计

为了抑制电力系统因负阻尼而产生的低频振荡，提高系统稳定性，将具有自学习能力的聚类算法和常规模糊控制相结合，提出了一种新型的聚类自适应模糊控制方案，应用于非线性和强耦合的电力系统中，并用一种加速搜索过程的改进遗传算法将常规模糊控制器的隶属参数进行了优化。仿真结果表明，该方案的自适应性、实时性、鲁棒性都很强。     

基于模糊聚类的神经网络短期负荷预测方法

针对电力负荷的特点，综合考虑天气、日类型、历史负荷等对未来负荷变化的影响，提出了一种新的短期负荷预测方法。通过模糊聚类选取学习样本，采用反向传播算法，对24点每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力，提高了学习效能，在负荷平稳的季节和负荷波动较大的季节都具有较好的预测精度。     

继电器产品模糊聚类与模型识别方法

在模糊理论和数理统计理论的基础上，对继电器产品的模糊聚类方法和样本的最佳分类数进行了研究，提出了包含权重因素在内的F-统计量的数学模型。同时，探讨了模糊模型的识别方法，从而实现了对继电器产品及其设计方案的性能评价。     

基于模糊识别与模糊聚类理论的短期负荷预测

依据模糊模式识别、模糊聚类理论 ,提出一种短期负荷预测的新方法 ,应用相应的隶属度来描述负荷与影响负荷因素之间的关系。实践表明 ,该方法具有预测精度高、误差小的优点 ,是值得广泛推广的好方法。     

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。     

基于模糊聚类法的暂态稳定机组分群方法

暂态稳定分析多机等值时,受扰发电机的分群是需要解决的首要问题.文中用模糊聚类分析方法对受扰后的发电机进行分群研究,对模糊聚类方法的关键参数进行分析,引入F统计比率指标保证发电机分群数目的灵活性.通过New England 10机系统算例比较了相关理论法、三取二分群方法和模糊聚类法的分群效果,分析结果表明模糊聚类法在暂态稳定分析中对受扰发电机的分群有效、可靠.     

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.     

纵横交叉算法与模糊聚类相结合的变压器故障诊断

针对FCM(模糊C-均值聚类)在变压器故障诊断中的不足,提出采用纵横交叉算法优化FCM(CSOFCM)聚类来进行故障诊断。溶解气体分析与FCM相结合,能有效提高变压器故障诊断的准确率,但FCM存在聚类结果不稳定和容易陷入局部最优等问题。而纵横交叉算法是一种基于种群的随机搜索算法,在算法中首次提出了维局部最优概念和纵横交叉双搜索思想。实验证明,相比其它主流群智能优化算法,CSO算法在解决维数灾问题和收敛精度问题方面取得了较大突破,能有效克服局部最优的问题。新诊断模型有效弥补了单一诊断法的不足,拥有全局收敛性强和处理模糊信息的能力。实例分析表明,该方法与传统FCM相比,能获得更优的聚类中心,有效提高了变压器故障诊断的准确性和快捷性。     

基于模糊聚类和模糊推理的电网连锁故障预警方法

在连锁故障研究过程中,对其可能给电网带来的风险进行预警可以引导运行人员实现科学决策,从而避免大面积停电的发生。为实现连锁故障的预警分级,首先应用模糊C均值聚类及其修正方法对连锁故障概率进行分级,然后将失负荷、低电压和过负荷指标作为输入变量,构建反映电网静态安全水平的故障严重度模糊规则和隶属函数集,应用模糊推理方法对综合严重度等级进行划分,最后将概率和严重度综合,根据最大隶属度原则确定连锁故障风险预警的等级。以IEEE-RTS79系统为算例评估了不同的初始扰动下电网发生连锁故障后的风险水平,并分析了电网运行状态的差异对连锁故障预警等级的影响,验证了算法的合理性和有效性。     

模糊聚类在负荷实测建模中的应用

提出应用模糊聚类理论解决区域电网中上百个变电站的分类问题。在区域电网通过总体测辨法进行综合负荷建模时,应用模糊聚类理论对负荷节点一变电站进行分类,从中确定具有代表性的变电站作为实测负荷特性的测点。利用基于模糊等价关系的传递闭包法对东北电网234个220 kV变电站进行了模糊分类,论证了应用模糊聚类完成变电站分类的步骤,结果表明,在利用界限不明确的负荷类型作为变电站分类特征方面,模糊聚类分析方法是有效和可行的。     

基于模糊综合评价的聚类分析在电力负荷建模中的应用

阐述了在电力负荷建模中,统计综合法建模是以典型用户的选取为基础的,在此基础上,通过分析变电站综合负荷的构成以及用户设备容量比例,提出了基于模糊综合评价的聚类和模糊C均值聚类两种方法,并对某市工业典型用户进行分类,结果表明基于模糊综合评价的聚类分析能够克服模糊C均值聚类法中主观差异性对分类的影响,概念更为清晰,聚类结果更为合理。     

基于混合模糊聚类分析的汽轮发电机组振动故障诊断

针对模糊C-均值(FCM)算法在汽轮发电机组振动故障诊断中的不足,提出了一种加权混沌优化FCM(WCOFCM)算法。WCOFCM算法首先将混沌优化策略与传统FCM算法相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,并结合梯度算子,使方法有效收敛到极值点。然后依样本相似度原理对样本特征进行加权,对不同的特征赋予权重,突出敏感特征对聚类结果的主导作用,提高了聚类性能。最后依据聚类有效性函数指标自动确定聚类数,实现自适应分类。用该方法对国际标准测试数据进行了聚类分析实验,并将该方法应用于某发电厂汽轮发电机组振动故障诊断,其结果表明该方法有效降低了误分类率,能对汽轮发电机组振动故障进行有效诊断。     

基于模糊聚类的电网谐波综合评估方法

为构建绿色电网,科学考察谐波污染情况,构建了一种基于模糊聚类算法的电网谐波综合评估方法.采用谐波评估的各项指标作为特征值,将已知的谐波评估等级数据加入到量测样本数据中,共同组成综合评估样本数据集,利用模糊聚类算法进行聚类分析,得到包含各个谐波评估等级的聚类结果,从而实现对样本数据的综合评估,达到考察谐波污染情况的目的....     

模糊控制在PSCAD软件中的实现

详细介绍了PSCAD和MATLAB接口的原理以及实现方法,以及MATLAB中Fuzzy Logic工具箱的应用,提出用M文件直接调用MATLAB中的Fuzzy Logic工具箱,将模糊控制器应用在PSCAD软件中.通过将设计的模糊控制器运用到CIGRE标准高压直流输电模型上,实现了PSCAD软件中的模糊控制,充分利用了这两个软件的优点,拓展了软件的功能.