基于改进的k-means聚类算法的季节性负荷特性分析

被引：30

作者：

李朝晖 ^{[1
]}

尹晓博 ^{[2
]}

杨海晶 ^{[1
]}

马瑞 ^{[2
]}

石光 ^{[1
]}

赵文沛 ^{[1
]}

机构：

[1] 国网河南省电力公司电力科学研究院

[2] 长沙理工大学电气与信息工程学院

来源：

电网与清洁能源 | 2018年 / 34卷 / 02期

关键词：

负荷特性分析; k-means聚类算法; 最大最小距离算法; 季节因素; 场景缩减;

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：

负荷特性分析的研究对电力系统稳定运行和调度具有重要意义。以历史负荷数据为基础,采用改进的k-means聚类方法得到具有代表性的负荷特性曲线。在考虑了检验聚类结果有效性模型的基础上加入了最大最小算法,让初始聚类中心稳定;采用改进的k-means聚类典型场景缩减算法,考虑到气候因素的影响,按照春、夏、秋、冬4个季节来对负荷数据进行分类,对历史负荷数据进行处理,得到具有代表性的负荷特性曲线。以某市的历史数据为例进行仿真分析,结果表明,该算法可以将原始的大规模场景缩减合并后得到可以表述该市的几个更少的负荷特性曲线,具有代表性和准确性,更具实际应用价值。

引用

页码：53 / 59+64 +64

页数：8

共 21 条

[1]

基于K均值聚类算法的大客户用电行为分析 [J].