基于模糊聚类-量子粒子群算法的用电特性识别

被引：6

作者：

郭昆亚 ^{[1
]}

熊雄 ^{[2
]}

金鹏 ^{[1
]}

孙芊 ^{[3
]}

井天军 ^{[2
]}

机构：

[1] 国网沈阳供电公司

[2] 中国农业大学

[3] 国网河南省电力公司电力科学研究院

来源：

电力建设 | 2015年 / 36卷 / 08期

关键词：

智慧城市; 负荷特性; 分类与综合; 量子粒子群算法; 模糊聚类;

D O I：

暂无

中图分类号：

TM714 [负荷分析]; TP18 [人工智能理论];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为解决应用传统模糊C均值(fuzzy C-means,FCM)算法进行电力负荷模式提取时存在的对初始聚类中心敏感、聚类数目不易确定等问题,构建表征聚类效果的目标函数,并针对传统智能寻优算法易收敛、陷入局部最优等缺陷,采用一种量子编码的粒子群算法进行全局寻优以确定最佳聚类中心及分类数目,在确定最佳聚类中心及聚类数目基础上,构建能够全面反映各类型负荷的特征向量,最后通过与传统FCM算法下的计算结果进行对比,验证了该方法在用电识别方面的有效性及正确性。

引用

页码：84 / 88

页数：5

共 10 条

[1]

电力用户负荷模式识别系统研究与设计.[D].刘丽轻.华北电力大学.2012, 07

[2] 基于混沌与量子粒子群算法相结合的负荷模型参数辨识研究 [J].