基于模糊负荷聚类的不良负荷数据辨识与修正

被引：11

作者：

刘辉舟 ^{[1
]}

周开乐 ^{[2
,3
]}

胡小建 ^{[2
,3
]}

机构：

[1] 国网安徽省电力公司铜陵供电公司

[2] 合肥工业大学管理学院

[3] 合肥工业大学过程优化与智能决策教育部重点实验室

来源：

中国电力 | 2013年 / 46卷 / 10期

基金：

国家高技术研究发展计划(863计划);

关键词：

不良负荷数据; 辨识与修正; 负荷曲线聚类; 模糊C均值算法;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

摘要：

为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值(Fuzzy C-Means,FCM)算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法。差量系数大于电力公司确定的阈值的负荷点即为不良负荷数据。通过算例验证表明,该方法克服了统计历史数据中不良数据的影响,提高了不良数据辨识的可操作性和实用性。同时提出了考虑不良数据测量点外所有其他测量点负荷信息的不良数据修正方法,与仅考虑不良数据测量点前后2个测量点负荷信息的修正方法相比,提高了不良数据修正的精确性和有效性。

引用

页码：29 / 34

页数：6

共 15 条

[1] 基于证据融合理论的多不良数据辨识 [J].