基于模糊聚类的电力系统负荷分类分析

被引:14
作者
黄麒元
王致杰
朱俊
杜彬
王东伟
吕金都
王浩清
机构
[1] 上海电机学院电气学院
关键词
电力负荷; 负荷曲线分类; 模糊聚类; K-均值聚类;
D O I
10.13357/j.cnki.jep.002470
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
在面向电力系统的稳定运行、经济分析和整体规划的研究过程中,电力系统负荷分类作为基础工作具有重要意义。将模糊聚类方法应用于电力销售领域,利用负荷曲线特征实现对电力用户的分类,应用模糊聚类分析中K-均值聚类方法计算负荷曲线间相似度,对某供电公司的72个用户电力负荷曲线用Matlab进行仿真。最后与传统典型曲线分类仿真结果进行对比,表明所提方法的有效性与可行性,从而使得电力系统的生产和运行效率得到了提高。
引用
收藏
页码:200 / 205
页数:6
相关论文
共 9 条
[1]
基于目标函数的模糊聚类新算法及其应用研究 [D]. 
汪庆淼 .
江苏大学,
2014
[2]
基于目标函数的模糊聚类算法关键技术研究 [D]. 
陈东辉 .
西安电子科技大学,
2012
[3]
模糊聚类分析及其有效性研究 [D]. 
孔攀 .
西南大学,
2009
[4]
现代电力系统分析.[M].王锡凡主编;.科学出版社.2003,
[5]
中国电力负荷特性分析与预测.[M].赵希正主编;.中国电力出版社.2002,
[6]
一种改进的K-means聚类算法 [J].
连凤娜 ;
吴锦林 ;
唐琦 .
电脑与信息技术, 2008, (01) :38-40
[7]
改进的K-均值聚类算法 [J].
周文勇 .
光盘技术, 2007, (02) :54-56
[8]
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
[9]
数据挖掘技术在电力系统中的应用 [J].
高智 ;
徐政 .
华东电力, 2001, (12) :4-7+73