改进FCM算法及其在电力负荷坏数据处理的应用

被引：50

作者：

蒋雯倩

李欣然

钱军

机构：

[1] 湖南大学电气与信息工程学院

来源：

电力系统及其自动化学报 | 2011年 / 23卷 / 05期

关键词：

负荷特性; 坏数据辨识; 内维尔算法; 改进的模糊C均值算法; 日负荷曲线;

D O I：

暂无

中图分类号：

TM744 [电力系统的计算];

学科分类号：

080802 [电力系统及其自动化];

摘要：

变电站日负荷曲线含有丰富的综合负荷构成特性信息,可以用于负荷特性的分类与综合,但必须对原始生数据进行坏数据的辨识与调整。在深入分析已有方法以及负荷建模对日负荷曲线分类与综合要求的基础上,提出一种基于拉格朗日(Lagrange)插值方法和模糊聚类原理的改进的模糊C均值聚类FCM(fuzzy C-means)算法应用于变电站日负荷曲线的坏数据辨识与调整。首先运用内维尔(Neville)算法对缺失数据补全;然后采用改进FCM算法对日负荷曲线进行聚类,产生各类的特征曲线,利用负荷曲线的横向相似性辨识负荷坏数据;最后利用特征曲线进行坏数据调整。实例分析取得了良好效果。

引用

页码：1 / 5

页数：5

共 15 条

[1]

电力系统负荷模型与辨识.[M].章健; 编著.中国电力出版社.2007,

[2]

模糊聚类分析及其应用.[M].高新波著;.西安电子科技大学出版社.2004,

[3]

福建电网负荷在线综合建模系统 [J].