SOM神经网络和C-均值法在负荷分类中的应用

被引：14

作者：

王文生 ^{[1
]}

王进 ^{[1
]}

王科文 ^{[2
]}

机构：

[1] 长沙理工大学电气与信息工程学院

[2] 湛江中心人民医院

来源：

电力系统及其自动化学报 | 2011年 / 23卷 / 04期

关键词：

电力系统; 负荷建模; 负荷特性分类; 自组织特征映射; SOM神经网络; C-均值法;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 ;

摘要：

负荷时变性和分散性已经成为制约负荷模型推广应用的主要因素,而负荷特性分类则是解决这个问题的有效途径。文中提出基于SOM神经网络的C-均值聚类算法的新的负荷分类方法:以负荷模型参数作为负荷动态特性分类特征向量,应用SOM神经网络对初始训练样本进行分类,将获得的聚类数目和各类中心点作为C-均值算法的初始输入进一步聚类。最后通过动模实验的分类结果表明该方法可自动获取分类数,应用于负荷特性分类研究中具有较强的实用性和有效性。

引用

页码：36 / 39

页数：4

共 8 条

[1] 基于轨迹灵敏度的负荷分类 [J].