基于FCM配电侧典型电力日负荷曲线分类研究

被引：9

作者：

方茂益

孙志杰

周国鹏

谢枫

王鹏伍

周辛南

机构：

[1] 国网冀北电力有限公司电力科学研究院(华北电力科学研究院有限责任公司)

来源：

华北电力技术 | 2016年 / 11期

关键词：

模糊C均值; 典型季节性日负荷曲线; 负荷特性; 聚类分析; 电力负荷预测;

D O I：

10.16308/j.cnki.issn1003-9171.2016.11.004

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

关于典型电力日负荷曲线,利用模糊C均值(FCM)的聚类方法,通过对典型工作日负荷历史数据进行聚类,得到典型工作日季节性电力日负荷曲线。该典型电力日负荷曲线对于负荷预测、控制、用电异常甚至是电价目录制定和开发营销策略等都有着指导作用。

引用

页码：15 / 19

页数：5

共 10 条

[1]

基于模糊c均值聚类的分类分时电价研究 [D].

罗伶 .

山东大学,

2013

[2]

改进型模糊C均值聚类算法的电力负荷特性分类技术研究 [J].

刘永光 ;

孙超亮 ;

牛贞贞 ;

赵国生 .

电测与仪表 , 2014, (18) :5-9

[3]

基于改进的模糊C均值聚类的负荷预处理 [J].

常鲜戎 ;

孙景文 .

华北电力大学学报(自然科学版), 2014, 41 (01) :27-32

[4]

一种面向需求侧管理的用户负荷形态组合分析方法 [J].

黄宇腾 ;

侯芳 ;

周勤 ;

付博 ;

郭创新 .

电力系统保护与控制, 2013, 41 (13) :20-25

[5]

电力用户负荷模式识别方法研究 [J].

刘丽轻 ;

丁巧林 ;

张铁峰 ;

孙金宝 .

华北电力大学学报(自然科学版), 2011, 38 (06) :29-33

[6]

SOM神经网络和C-均值法在负荷分类中的应用 [J].

王文生 ;

王进 ;

王科文 .

电力系统及其自动化学报, 2011, 23 (04) :36-39

[7]

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

[8]

模糊聚类方法在用户负荷曲线分析中的应用 [J].

仲伟宽 .

华东电力, 2007, (08) :97-100

[9]

模糊聚类在负荷实测建模中的应用 [J].

黄梅 ;

贺仁睦 ;

杨少兵 .

电网技术, 2006, (14) :49-52

[10]

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

← 1 →