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。     

基于减法聚类的FCM算法在电力负荷分类中的应用

针对目前在电力负荷分类中应用较多的模糊C均值聚类算法(FCM)的不足之处,提出了一种基于减法聚类改进的算法(SUB-FCM)。该算法运用减法聚类来初始化聚类中心矩阵,解决了FCM算法随机初始化的问题,且提高了算法的全局搜索能力,避免陷入局部最优解。由实验算例分析发现,该算法还能加快收敛速度,且收敛效果也较好,能有效应用于电力负荷分类。     

纵横交叉算法在配电网故障定位中的应用

基于人工智能算法具有较好的容错性,引入纵横交叉算法(CSO)应用在配电网故障定位过程中。CSO中的横向交叉机制和纵向交叉机制在与竞争算子的配合下提供了较强的搜索能力,能够快速解决多变量非线性优化问题,为准确解决故障定位提供了基础。在多电源分区故障定位中改进适应度函数,对不同区域适应度函数设置区域权值,区域权值由反馈故障电流决定。这种设置方式可以增强算法的容错性,使得输出结果不会因为故障信息在传送过程中发生畸变而误判或者漏判。仿真部分由双电源配电网系统和三电源配电网系统组成,并通过算法进行了验证,每次反馈信息都由一次正常信息和畸变信息组成。从仿真结果可以看出CSO拥有较强的稳定性。     

基于纵横交叉算法优化神经网络的负荷预测模型

为了解决传统BP神经网络对高频分量预测精度不高、泛化能力弱的缺点,提出了一种混合小波变换和纵横交叉算法(CSO)优化神经网络的短期负荷预测新方法。通过小波变换对负荷样本进行序列分解,对单支重构所得的负荷子序列采用纵横交叉算法优化的神经网络进行预测。最后叠加各子序列的预测值,得出实际预测结果。通过实际电网负荷预测表明,新模型能掌握冲击毛刺的变化规律,有效提高含大量冲击负荷地区的负荷预测精度,且预测模型具有较强泛化能力。     

基于小世界纵横交叉算法在输电线路 巡视路径中的应用

输电线路在电力系统正常运行过程中起到重要作用,其安全运行对整体网络起到保障作用。输电线路巡视是输电系统的一项基础工作,有效的巡视可以使输电线路设备安全性和可靠性达到最大化。基于小世界纵横交叉算法(SWCSO)对输电线路巡视路径进行规划,同时利用贝叶斯及其推理机制对输电线路杆塔风险等级进行分类,在考虑每个杆塔的杆塔距离、风险等级的条件下,制定最优巡视方案。仿真部分是拥有30个杆塔的输电网络,在通过贝叶斯及其推理机制获得杆塔风险运行概率的条件下,对巡视路径搜索用几种不同的算法进行对比。仿真结果证明了SW-CSO算法在收敛精度和算法稳定上都有一定的优势。     

基于纵横交叉算法在含分布式电源的配电网故障定位

分布式电源(DG)接入配电网后对网络的故障电流产生影响,从而影响到故障电流的上报信息,使得系统发生误判故障位置。根据DG对故障电流的影响划分不同区域,寻找每个区域的故障临界点,通过设置故障电流上报阀值和判断电流方向,使得DG提供的故障电流不影响正确的故障定位结果。故障定位采用纵横交叉算法(CSO),该算法由横向交叉和纵向交叉2种搜索机制组成,2种机制与竞争算子的完美配合使得种群收敛精度和速度大大提高。仿真部分采用10 kV配电系统,对系统设置故障电流上报阀值后进行故障定位,同时将遗传算法(GA)和免疫算法(IA)与CSO算法进行对比,结果表明,该算法具有较强的稳定性和搜索能力。     

基于遗传改进蚁群聚类算法的电力客户价值评价

对电力客户价值进行评价是供电企业优化服务资源配置的重要步骤。分析了蚁群聚类算法,并针对蚁群聚类算法进行评价时参数组合设置盲目性、收敛速度慢、容易陷入局部收敛的缺点,提出了运用遗传算法改进蚁群聚类算法评价电力客户价值的新方法。该新方法利用遗传算法对蚁群聚类算法的参数进行优化,进而再对电力客户价值进行聚类评价。通过实例验证表明,该新方法聚类性能有较大的提升,能够提升收敛速度和避免陷入局部收敛,并且减少了聚类评价时的主观因素,其具有准确、高效、实用等优点。最后,运用该新方法对某市供电公司的10个工业客户进行了评价,总结了不同类别电力客户的特点,对供电企业如何优化服务资源提出了建议。     

基于改进纵横交叉算法的电网最优潮流计算

纵横交叉算法(crisscross optimization algorithm,CSO)已应用于解决电网中的多种复杂问题并取得了较好的效果.在CSO算法基础上,提出了一种快速收敛的改进纵横交叉算法(faster crisscross optimization algorithm,FCSO)求解最优潮流问题.该改进算法...     

基于纵横交叉算法的热电联产经济调度

为解决热电联产经济调度优化问题,提出了一种基于纵横交叉算法(Crisscross optimization algorithm,CSO)的新求解方法。CSO采用一种双交叉搜索机制,其中横向交叉引入扩展因子增强全局搜索能力,纵向交叉引入维交叉概念,从而避免维局部最优问题。CSO的全局并行搜索,避免了陷入局部最优,有效提高了收敛速度。以一个包含纯发电机组、热电联产机组、纯发热机组的48机组系统为例,建立了热电联产经济调度问题的模型。仿真结果表明,CSO解决热电联产经济调度问题具有可行性和有效性,为实际调度系统提供了一个较好的方法。     

基于纵横交叉算法的波浪发电装置最大功率跟踪控制

针对波浪能最大功率点跟踪控制中,浮子水动力模型的非线性,使传统群智能算法存在局部最优问题,提出纵横交叉算法(CSO)控制方案。CSO的纵向交叉算子,在纵向交叉概率判定下进行个体维变量间的算术交叉,保证种群能够脱离局部最优状态; CSO的横向交叉算子完成个体间的随机配对与算术交叉,并将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点,搜索子空间内部及邻域,实现精细的局部搜索能力。通过纵、横交叉算子的交替作用,任何有益于实现全局最优的信息,都将被迅速地分发到种群的各变量中,用以改变搜索路径。仿真表明,在波浪周期发生变化时,纵横交叉算法能够实现最大功率点跟踪,并提高收敛速度。     

基于GA与PSO混合优化FCM聚类的变压器故障诊断

针对FCM聚类、GA-FCM聚类以及PSO-FCM聚类在进行变压器故障诊断时的不足,采用了GA与PSO混合优化FCM(GAPSO-FCM)聚类来进行故障诊断.GAPSO-FCM聚类进行的是全局搜索,克服了FCM聚类容易陷入局部极小值的问题.GAPSO-FCM聚类是以全局最优个体将GA聚类与PSO聚类有机地联系在一起,GA与PSO共用一个最优个体,迭代过程中既包括了GA运算也包括了PSO运算.它依据GA的随机性扩大了搜索范围,之后在所找到的个体附近依据PSO进行更细致的搜索,克服了仅基于单一GA或PSO优化的FCM聚类的早熟问题.通过仿真与实例分析,表明采用GAPSO-FCM聚类进行故障诊断的正确率比采用其他三种聚类的正确率高.     

基于聚类融合技术的电力用户负荷模式提取方法

针对电力大数据背景下智能电力用户负荷模式提取的可靠性不高且传统单一聚类算法聚类结果不稳定的问题,提出一种基于主成分分析与聚类融合相结合的电力用户负荷模式提取方法。首先,对负荷数据进行预处理,通过主成分分析法减少特征间分类信息冗余实现高维特征的降维。然后,用四种聚类方法分别对降维后的数据集进行聚类分析,得到具有差异性的聚类成员。最后,利用共识矩阵对所得聚类成员进行聚类融合,得到优于单一聚类算法的最终聚类结果。通过电网实际用电数据验证了所提负荷模式提取方法能够提高聚类准确率并降低计算复杂性,并用有效性指标Silhouette对最终聚类结果进行评价。     

基于谱聚类的网络流量分类识别算法

网络流量分类识别是网络管理与网络安全的基础,但由于动态端口技术,加密传输方式及数据隐私等因素,现有的基于网络端口映射和有效载荷分析的方法在应用中,其准确性和效率都受到了制约。为此,引入谱聚类方法,将网络流量分类识别问题通过聚类思想转化为一个无向图的多路划分问题,并使用图论的思想来解决原问题。实验结果表明该方法具有良好的网络流量分类识别效果,精确度较高,在互联网流量分类中有良好的应用前景。     

结合高斯核与各向异性邻域抑制的模糊聚类图像分割

针对模糊C均值聚类算法对图像噪声点敏感且抑制力不足问题,所导致收敛慢去噪效果差分割效果的不足,提出一种结合高斯核和各向异性邻域抑制的模糊聚类图像分割方法。算法首先根据邻域窗均值及其邻域灰度值快速评估各向异性邻域权值,通过该权值抑制局部空间噪声,达到去噪模糊聚类目的;再通过高斯核将图像数据转为核函数矩阵,在特征空间对核函数矩阵实施线性算法。通过对测试图像加入噪声,比较其他算法,该算法在去噪、迭代次数和模糊聚类分割上有显著提升。     

A research on fast FCM algorithm based on weighted sample

To improve the computational performance of the fuzzy C-means (FCM) algorithm used in dataset clustering with large numbers, the concepts of the equivalent samples and the weighting samples based on eigenvalue distribution of the samples in the feature space were introduced and a novel fast cluster algorithm named weighted fuzzy C-means (WFCM) algorithm was put forward, which came from the traditional FCM algorithm. It was proved that the cluster results were equivalent in dataset with two different cluster algorithms: WFCM and FCM. Furthermore, the WFCM algorithm had better computational performance than the ordinary FCM algorithm. The experiment of the gray image segmentation showed that the WFCM algorithm is a fast and effective cluster algorithm. __________ Translated from Journal of Sichuan University (Engineering Science Edition), 2005, 37(6): 130–134 (in Chinese)     

基于PSO优化核主元分析的海上风电机组运行工况分类

海上风电机组运行环境复杂多变,对其工况进行分类可以提高机组运行健康状态评价的准确性,为制定合理的运行维护策略提供可靠依据。提出一种基于PSO优化核主元分析(KPCA)的多参数工况分类方法。针对核函数参数难以确定的问题,综合考虑类内散度和类间散度构建优化核参数的适应度函数,应用PSO算法对其进行寻优,将优化后的KPCA用于数据的特征提取,在此基础上采用模糊C-均值聚类(FCM)建立分类模型。通过对UCI数据库中的三组实验数据进行分类验证了该方法的有效性。最后,应用该方法对某海上风电场实测数据进行工况分类,并与PCA+FCM、KPCA+FCM两种方法进行比较。结果表明,提出方法的分类结果优于其他两种,能够得到清晰准确的分类结果,利于分工况建立准确的机组运行健康状态评价模型。     

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。     

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。     

基于样本加权FCM聚类的未知类别局部放电信号识别

针对电力变压器待识别局部放电信号中可能存在不属于已知类别的未知样本的问题,提出了一种基于样本加权模糊C均值(FCM)聚类的未知类别局部放电信号识别方法。对已知类别的局部放电信号进行FCM聚类,确定各已知类的聚类中心;分别计算已知类别和待识别局部放电信号的样本权值,并根据Otsu准则确定样本权值的自适应阈值;将各待识别局部放电信号的权值与确定的阈值进行比较,判断其是否属于已知类别;采用支持向量机(SVM)对得到的属于已知类别的待识别局部放电信号进行分类,对未知类别样本进行人为分析判断。采用所提方法对实验室条件下的放电信号进行分析,实验结果表明,所提方法可以有效地区分待识别局部放电信号中的未知类别样本。