排序方式: 共有34条查询结果,搜索用时 0 毫秒
31.
32.
33.
电力系统的负荷模型是决定电力系统可靠性的关键要素,传统的负荷特性数据聚类算法计算复杂、运行时间长。将K-means和Canopy聚类算法有机地结合,建立一种分布式聚类模型。在此基础上,对用户整点负荷数据进行归一化处理,利用负荷规范化区间值与24个整点时间的参数关系,得到聚类中心分布。以福建省历史日负荷数据为例,验证分布式聚类模型运行的快速性。结果表明:距离阈值T2与算法运行时间成反比;簇个数越多,运行时间越长;大工业行业聚类中心分布稳定,显著性不明显,农业生产行业聚类中心分布显著性明显,为预测用户负荷特征及用电特性提供思路借鉴。 相似文献
34.
为了有效利用地理信息技术支撑复杂大电网的信息化建设,针对停电事故对电力系统运行和日常生活带来的诸多影响,提出基于深度人工神经网络和GIS数据的最优停电模型。结合电力系统运行的特殊性,把最优参数设置和增量反馈结合用来优化受限玻尔兹曼机算法。通过仿真分析了算法的性能。仿真结果表明,采用深度神经网络的最优停电模型可以提高计算效率和精度。 相似文献