基于自适应模糊度参数选择改进FCM算法的负荷分类

被引：31

作者：

周开乐 ^{[1
,2
]}

杨善林 ^{[1
,2
]}

王晓佳 ^{[1
]}

陈志强 ^{[1
]}

机构：

[1] 合肥工业大学管理学院

[2] 过程优化与智能决策教育部重点实验室

来源：

系统工程理论与实践 | 2014年 / 05期

基金：

国家高技术研究发展计划(863计划);

关键词：

负荷分类; 模糊C均值(FCM)算法; 模糊度参数;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

在建立了负荷分类五阶段过程模型的基础上,提出了用类内距离和与类间距离和之比作为负荷分类评价指标自适应选择模糊度参数的方法,同时用模拟退火算法和遗传算法对模糊C均值(FCM)算法的搜索性能进行优化.实验结果表明,在负荷分类中常用的模糊度参数值m=2并不是最优的,负荷分类中模糊度参数的最优取值区间为[2.6,3.2].同时,改进算法还克服了传统FCM算法全局搜索能力不足的问题,提高了负荷分类的精确性和有效性.

引用

页码：1283 / 1289

页数：7

共 10 条

[1]

改进自适应模糊C均值算法在负荷特性分类的应用 [J].

曾博 ;

张建华 ;

丁蓝 ;

董军 .

电力系统自动化, 2011, 35 (12) :42-46

[2]

基于自适应模糊C均值算法的电力负荷分类研究 [J].

杨浩 ;

张磊 ;

何潜 ;

牛强 .

电力系统保护与控制, 2010, 38 (16) :111-115+122

[3]

基于用户日负荷曲线的用电行业分类与综合方法 [J].

李欣然 ;

姜学皎 ;

钱军 ;

陈辉华 ;

宋军英 ;

黄良刚 .

电力系统自动化, 2010, 34 (10) :56-61

[4]

K-MEANS算法中的K值优化问题研究 [J].

杨善林 ;

李永森 ;

胡笑旋 ;

潘若愚 .

系统工程理论与实践, 2006, (02) :97-101

[5]

基于模糊聚类的电力负荷特性的分类与综合 [J].

李培强 ;

李欣然 ;

陈辉华 ;

唐外文 .

中国电机工程学报, 2005, (24) :73-78

[6]

模糊C-均值中的最优聚类与最佳聚类数 [J].

诸克军 ;

苏顺华 ;

黎金玲 .

系统工程理论与实践, 2005, (03) :52-61

[7]

一种基于模拟退火和遗传算法的模糊聚类方法 [J].

白莉媛 ;

胡声艳 ;

刘素华 ;

不详 .

计算机工程与应用 , 2005, (09) :56-58

[8]

模糊c-均值聚类算法中加权指数m的研究 [J].

高新波 ;

裴继红 ;

谢维信 .

电子学报, 2000, (04) :80-83

[9]

Load clustering and synthetic modeling based on an improved fuzzy c means clustering algorithm Shi G P;Liang J;Liu X S; 4th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies 2011,

[10]

Analysis of the weighting exponent in the FCM Jian Yu;Qiansheng Cheng;Houkuan Huang; IEEE Transactions on Systems; Man; and Cybernetics; Part B: Cybernetics 2004,

← 1 →