共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
采用模糊数学的方法来辨识电力系统实时运行数据中的不良数据。利用基于模糊等价矩阵的聚类分析方法,以标准残差和相邻采样时刻的量测量差值作为特征值,通过寻找最佳阈值,对量测项目进行动态聚类,根据个别已知的良数据和“数以类聚”的原则,得到全良数据的分类,进而辨识出不良数据。最后分别对传统算例模型和某地区电网实时数据进行仿真分析,表明该方法能快速准确的辨识出不良数据,有效避免残差污染和残差淹没现象,更适合实际电网的计算要求。 相似文献
3.
4.
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。 相似文献
5.
基于模糊聚类的电力负荷特性的分类与综合 总被引:33,自引:5,他引:33
在阐述负荷特性分类与综合内涵及意义的基础上,以变电站综合负荷构成成分比例为负荷特性分类和综合的基本特征,基于模糊聚类原理,提出了模糊等价关系和模糊C均值算法的2种分类方法。基于模糊C均值法可以通过优化理论获得聚类中心矩阵,同时完成负荷特性分类与综合。对某省48个变电站采用加权平均的方法进行聚类分析,得出了基于模糊等价关系的聚类综合特性并与模糊C均值算法的聚类中心矩阵进行了比较分析。结果表明,两者都具有良好的聚类综合能力;基于模糊C均值法的聚类能力明显优于基于等价关系的聚类法,而且聚类结果更为合理有效。两种方法都成功地解决了负荷建模中变电站特性分类处理的复杂性与主观性。 相似文献
6.
7.
8.
针对传统的模糊C均值聚类方法不适于非正态分布数据集的聚类、处理高维数据集收敛速度缓慢以及噪声点敏感的问题,提出了一种基于核的模糊C均值逐层聚类方法,应用于电力负荷特性分类。该方法的核心是2个模块和1个算法:改进快速排序法模块、核函数模块与模糊C均值算法。改进快速排序法模块将大数据集划分为若干特征突出的子空间,进而结合核函数模块与模糊C均值算法对各子空间进一步精确分类。以广东省的负荷调研数据为基础,在Matlab平台上对基于核的模糊C均值逐层聚类方法与模糊C均值算法的分类结果进行对比分析,结果表明:前者在提高分类效率与分类精确度的同时,具备较理想的收敛速度;另外,前者分类结果精细程度的可控性有利于电网工程实用规划。 相似文献
9.
10.
电雷管发火感度的一致性是工程爆破中实现串联齐爆的关键.针对感度不能精确测量的问题,对以电热响应原理为基础的无损检测技术测得的特征参数进行分析,利用模糊数学手段,找到一种建立产品感度模糊模式的方法.通过模糊模式识别可将产品按感度分类,同类感度的电雷管串联齐爆的可靠性明显提高. 相似文献
11.
将沿程水头损失公式向天然河流推广,利用坡降、流量、流速、泥沙粒径、河流形态等一系列河相关系参数,通过资料分析、数据拟合等技术手段,得到了河流阻力规律的表达形式。将河型参数作为分类指标,反演河流阻力规律表达形式,建立了一种物理概念明确、表达简单的河型分类方法。用两条阈值曲线将整个河流系统分成单流路型、稳定多流路型、不稳定多流路型这三大类型。通过研究发现,河型分类系统中单流路型河道对河岸强度相当敏感,而多流路型河道并不直接受河岸强度影响,尤其是大宽深比的情况。在外部扰动影响下,河流类型可以发生短暂的变化,如弯曲型河道出现游荡特征,但其最终能够回到原始平衡状态类型。 相似文献
12.
通过对负荷数据的归类分析,可以得到电力用户的用电行为特征,为需求响应策略制定和效果评估提供支撑。首先,对负荷数据进行预处理,包括非正常数识别与处理,以及平滑处理去除毛刺数据;其次,针对模糊C均值聚类算法对初始聚类中心敏感、易陷入局部最优和受噪声影响大等问题,提出采用最短距离法聚类为模糊C聚类提供初始聚类中心、利用有效性分析类内样本相似程度和不同类之间独立程度来判别聚类结果优劣、以及通过数据密度识别并剔除噪声点等改进措施,提升了模糊C均值聚类算法性能;最后,通过对比其他方法以及对某纺织企业负荷聚类分析,验证了改进算法的正确性与有效性。 相似文献
13.
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。 相似文献
14.
15.
16.
用电量预测是智能电网建设中的一个重要课题,准确的用电量预测对电网规划和经济部门的管理决策具有重要的指导意义。利用计量自动化系统每15 min获得一次的居民用户用电量数据,提出基于模糊聚类与Elman神经网络算法的短期用电量预测及修正方法。该方法先通过模糊聚类将居民用户按用电行为分类,然后采用通径系数计算各类型影响用电量因素的权重,再将加权影响因素和历史用电量作为Elman网络的训练样本,进行短期用电量预测。最后采用修正算法对预测值进行修正。实例分析表明,该方法有效、可行。相比整体预测,该算法预测精度明显有所提高,且修正步骤使预测误差进一步降低。 相似文献
17.
18.
19.
基于模型预测控制,提出一种决策集滚动筛选(CDSRS)的电压协调控制方法.通过求取预测周期内优化目标节点电压对控制变量的响应特性,将电压协调控制模型的求解转化为混合整数规划问题.考虑电压控制的局部性特点,以模型预测过程中求取的电压预测幅值和响应信息作为聚类特征指标,采用模糊聚类方法确定故障后的优化目标节点,在此基础上根据电压响应显著度滚动筛选决策集.仿真结果表明,该方法在取得全局协调控制效果的前提下,大幅降低了备选决策集规模,显著减少了优化计算时间,有效避免电压协调控制的决策集爆炸问题. 相似文献