基于改进模糊聚类的典型日负荷曲线选取方法

被引:41
作者
徐邦恩
蔺红
机构
[1] 新疆大学电气工程学院
关键词
改进模糊聚类算法; 自适应因子; 模糊-离散系数; 典型日负荷曲线;
D O I
暂无
中图分类号
TM714 [负荷分析];
学科分类号
080802 [电力系统及其自动化];
摘要
典型日负荷曲线对负荷调度计划以及运行控制有着重要意义,针对常用的传统典型日负荷曲线选取方法不满足目前电力市场需求的问题,提出了基于自适应因子与概率统计法相结合的改进模糊聚类算法典型日负荷曲线选取新方法,应用日负荷率、日负荷波动率等描述性特征指标,确定最优聚类数;引入模糊-离散系数,辨识样本数据中的畸变日,并予以剔除;计算日负荷与月平均负荷之间的相关系数,依据相关系数选取典型日负荷曲线。以新疆电网2015年1月份负荷数据进行实例仿真,结果表明所提方法能够准确选出典型日负荷曲线,验证了方法的可行性和有效性。
引用
收藏
页码:21 / 26
页数:6
相关论文
共 12 条
[1]
基于FCM配电侧典型电力日负荷曲线分类研究 [J].
方茂益 ;
孙志杰 ;
周国鹏 ;
谢枫 ;
王鹏伍 ;
周辛南 .
华北电力技术, 2016, (11) :15-19
[2]
贵州统调电网典型日负荷特性分析与预测 [J].
唐学用 ;
万会江 ;
叶航超 ;
李庆生 ;
钟以林 .
中国电力, 2015, 48 (09) :24-30
[3]
基于向量皮尔森相关系数的组合赋权法[J] 张峰;谢振华;程江涛;崔高仑;徐衡博; 火力与指挥控制 2015, 05
[4]
采用分形插值的典型日负荷曲线改进预测方法 [J].
李萌 ;
程浩忠 ;
杨宗麟 ;
韩新阳 ;
杨镜非 .
电力系统及其自动化学报, 2015, 27 (03) :36-41
[5]
运用聚类算法预测地区电网典型日负荷曲线 [J].
李翔 ;
顾洁 .
电力与能源, 2013, 34 (01) :47-50
[6]
一种基于语义聚类的典型日负荷曲线选取方法 [J].
孟令奎 ;
段红伟 ;
黄长青 ;
孙琤 .
华北电力大学学报(自然科学版), 2013, 40 (01) :43-48
[7]
一种改进的模糊C-均值聚类算法 [J].
曹易 ;
张宁 .
上海理工大学学报, 2012, 34 (04) :351-354
[8]
基于核方法的并行模糊聚类算法 [J].
彭秋生 ;
魏文红 .
计算机工程与设计, 2008, (08) :1881-1883
[9]
一种基于最短距离聚类与关联度分析的典型日选取新方法 [J].
蔡国伟 ;
王大亮 ;
王燕涛 ;
李春山 ;
顾小光 ;
李友 .
中国电力, 2008, (04) :15-18
[10]
典型日负荷曲线预测的一种简单方法 [J].
肖建华 ;
王锐凤 ;
温春楠 ;
田武慧 ;
宫俊 .
吉林电力, 2006, (02) :14-17