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.pdf
《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.pdf》由会员分享,可在线阅读,更多相关《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.pdf(5页珍藏版)》请在咨信网上搜索。
1、第 5 1卷第 1 8期 2 0 1 4年9月 2 5日 电测与仪表 El e c t r i c al M e a s ur e me n t& I n s t r ume n t at i o n Vo 1 5 1 No 1 8 S e p 2 5 , 2 0 1 4 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 刘永光 , 孙超亮 , 牛贞贞2 ,赵国生 ( 1 河南许继仪表有限公司, 河南 许昌 4 6 1 0 0 0 ; 2 郑州大学 电气工程学院, 郑州 4 5 0 0 0 1 ) 摘要: 模糊c 均值聚类算法( F C M) 是 目 前应用较多的电力负荷分类算法, 但F
2、 C M 算法存在着对初始聚类中心敏 感及需要人为确定聚类数 目的问题, 针对这个问题, 提出了先采用一种快速算法来确定负荷聚类数目和聚类中 心, 将得到的聚类中心和聚类数 目 作为F C M 的初始输入, 再用F C M 对负荷进行分类的改进型F c M 分类方法, 以此 减少聚类数目较多时大量的人工参与及分析工作 , 并通过实际算例分析验证了所提出的分类方法的正确性。 关键词: 负荷聚类; F C M; 负荷特性; 日负荷曲线 中图分类号 : T M7 1 4 文献标识码 : B 文章编号 : 1 0 0 1 1 3 9 0 ( 2 0 1 4 ) 1 8 0 0 0 5 0 5 Re s
3、 e a r c h o n t h e I mp r o v e d F u z z y C- M e a n s Cl u s t e r i n g Al g o r i t h m Ba s e d P o we r Lo a d Ch a r a c t e r i s t i c Cl a s s i fi c a t i o n Te c h n o l o g y 1 1 2 2 L I U Yo n g - g u a n g, S UN C h a o - l i a n g, NI U Z h e n - z h e n, Z HA0 Gu o - s h e n g (
4、 1 He n a n X u J i i n s t r u me n t C O , L T D , X u c h a n g 4 6 1 0 0 0 , H e n a n , C h i n a 2 S c h o o l o f E l e c t r i c a l E n g i n e e ri n g , Z h e n g z h o u U n i v e r s i t y , Z h e n g z h o u 4 5 0 0 0 1 , C h i n a ) Ab s t r a c t : F u z z y C- me a n s C l u s t e r
5、in g i s t h e g e n e r a l l y u s e d l o a d c l a s s i fi c a t i o n alg o rit h m a t p r e s e n t F C M alg o rit h m, h o we v e r ,i s s e n s i t i v e t o t h e i n i t i al c l u s t e rin g c e n t e r a n d c a n n o t a u t o ma t i c all y d e t e r mi n e t h e c l u s t e ri n g
6、 n u mb e r I n o r d e r t o s o l v e s u c h p r o b l e m, a mo d i fi e d F C M c l u s t e ri n g me t h o d h a s b e e n p r o p o s e d i n t h i s p a p e r , wh i c h wi l l u t i l i z e a f a s t alg o rit h m t o d e t e r mi n e t h e c l u s t e rin g c e n t e r c u r v e a n d c l
7、u s t e ri n g n u mb e r T h e c o mp u t e r r e s u l t i s t r e a t e d a s t h e i n i t i al i n p u t o f F C M,t h e n F C M a l g o rithm wi l l b e u s e d t o c l a s s i f y the p o we r l o a d T h e mo d i fie d F CM c l u s t e ri n g m e t h o d w i l l b e a b l e t o g r e a tl y
8、r e d u c e the ma n u a l h a n d l i n g w o r k s The p r a c t i c al e x a m p l e s w i l l v e ri fy t h e c o r r e c t n e s s o f the pr o p o s e d c l u s t e ring me tho d Ke y wo r d s: l o a d c l u s t e ring ,FCM,l o a d c h a r a c t e ris t i c ,da i l y l o a d c u r v e 0 引 言 电力
9、负荷分类是电力需求侧管理 ( D e m a n d S i d e M a n a g e m e n t , D S M) 和电网规划的重要组成部分, 精 细化的电力 负荷分类有助于供 电部 门有效地掌握用 户的负荷特性, 制定合理的电价政策 , 通过削峰填谷 r 1 手段实现负荷曲线的整形 ,可以激励用户积极参 与到用户需求侧管理系统中去 , 同时精细化的负荷分 类对指导电网滚动规划 、 实时调度及运行规划可靠性 评估等方面具有重要意义。 传统的基于用电行业特性划分、 基于负荷用电等 级划分 以及基于 目录电价划分的负荷分类方法并不 能满足需求侧管理系统的需要, 基于负荷特性分类的 负荷
10、分类方法受到了越来越多学者的青睐, 成了当前 负荷分类的主要方法 。 目前的基于负荷特性分类的方法很多 , 比较流行 的有K m e a n s 、层次聚类、模糊c 均值聚类算法 ( F C M) 、 高斯混合模型聚类( G M M) 、 自组织特征映射 神 经 网络 ( s o M) 、 支持 向量 机 ( S V M) 、 极 端 学 习机 ( E L M) 等, 同时还有一些在这些算法的基础上进行改 r f口 进的算法 。其中模糊c 均值聚类算法在运行时间、 准确度、 稳定性及聚类效果等方面均表现较好 , 但是 一 5 一 学兔兔 w w w .x u e t u t u .c o m
11、第 5 1 卷第 1 8期 2 0 1 4年9月 2 5日 电测与仪表 El e c t r i c al Me a s ur e me n t& I ns t r u me nt a t i o n Vo 1 51 No 1 8 Se p2 5 , 2 01 4 F C M 也有一些缺点, 该算法对初始聚类中心比较敏感 且需要人为确定聚类数 目,容易陷入局部最优一一 。 针对F C M的缺点, 本文提出了利用 日 负荷曲线数据作 为样本, 通过采用一种快速算法来确定负荷聚类数目 和聚类中心, 将得到的聚类中心和聚类数 目作为F C M 的初始输入 , 再用F C M对负荷进行分类的改进型F
12、C M 分类方法 , 该方法可以大大减少F C M分类算法中人工 参与工作量。 1 日负荷曲线的数据预处理 1 1 日负荷曲线的数据预 处理 采用用电信息采集系统的每间隔1 5 分钟一个数 据点的有功功率的9 6 点 日 负荷数据进行分析, 为了把 其它因素的影响降低到最小程度, 这里采用连续多个 工作 日的 日 负荷曲线9 6 点负荷数据取平均值的方法 来获取典型的日负荷曲线数据。 现取连续n 个工作日的9 6 点日负荷曲线数据来获 取该类负荷的典型日负荷曲线, 则该负荷的典型日负 荷曲线为 个连续工作 日 负荷曲线的平均值。 第i 条负 荷曲线的典型负荷曲线表示为 - I X , 由 于不
13、同类型的负荷数据变化很大, 不便于进行数据比 较, 为此在进行聚类分析之前需要对用户的典型日负 荷曲线数据进行归一化处理, 这里采用极值序列归一 化, 归一化之后所有的数值都在0 和1 之间。数据归一 化处理后的表达式为: ( 1 ) 式中 m a x x , 为第i 条典型 日 负荷曲线向量 中元素的最大值, 这样可以得到归一化的典型 日负 荷 曲线的数据集 X t i l , i 9 6 。 1 2 聚类数 目与聚类 中心初始值的确定 为了实现所提出的确定聚类数 目初始值和聚类 中心初始值的方法, 需要先作以下几个变量的定义。 假定需要进行聚类分类的负荷曲线的个数为, 分类 的聚类数目为c
14、 ,定义任意两条负荷曲线之间的距离 为 : d ( ,J ) = I : q r t ( 9 6( , , ) = s q r t ( ( ) ( 2 ) 式中 9 6 为日负荷曲线的采样点数,定义进行聚类分 类的所有负荷曲线的距离最大值为d ( x ,x ) , 假设 此时对应两条负荷曲线之间距离最大值的两条负荷 曲线分别为 和 ,若 的归一化 日负荷 曲线数据 一 6 一 集中所有数据的平方和小于 的数据平方和, 则称 为需要进行聚类分割的所有负荷曲线的下限负荷曲 线, 为需要进行聚类分割的所有负荷曲线的上限 负荷曲线。 求进行聚类分割的所有负荷曲线与下限负 荷曲线 之 间的距离, 并按与
15、下限负荷曲线之间的距 离的大小从小到大进行排序, 排序后的最后一条负荷 曲线为 ,将按距离下限负荷曲线距离大小排序后 的负荷曲线进行重新编号, 设重新编号以后的元素分 别为), 。 ( 对应负荷曲线 ) ),: , ( 对应负荷曲线 ) , 设重新编号后的负荷 曲线Y i 与Y 川之间的距离为d ( y , Y ) , 定义进行排序后的负荷曲线y 距离其上下两个 相邻负荷曲线之间距离的比值为: ( 。 ) = d ( , Y M) d ( y , Y i + 2 ) ( 3 ) 则排序后的负荷曲线集合中所对应的最大两个 相邻负荷曲线之间距离的比值为: k = ma x ( k ( y 2 )
16、, , k ( Y N _ ) ) ( 4 ) 设当前的分类结果为c 类,每类中对应的负荷曲 上 线个数为c , c J7v , 设 ( c ) 为第濮 负荷曲线的下标 构成的集合。 定义当前分类结果的类内相邻负荷曲线 间距离之和的均值为: 1三 s =志 毒) d ( , - ) ( 5 ) 确定聚类数 目初始值和初始聚类 中心的方法可 以描述如下 : ( 1 ) 将按与下限负荷曲线之间的距离大小排序以 后的元素) , , 看成一个聚类, 计算类内相邻负荷 曲线间距离之和的均值 与聚类负荷曲线集合中所 对应的两个相邻负荷曲线距离的比值的最大值 虹 J , 若|i 一 1 j 、 于设定的停止
17、聚类再划分的设定值 一 则 不再进行聚类数目的进一步划分, 否则进入步骤( 2 ) 。 ( 2 ) 假设第一步求得的两个相邻负荷曲线之间距 离 的比值的最大值 所对应的元素为m+ l ,则将按 距离大小排序以后的一个聚类负荷曲线) , 分 成两个聚类, 负荷曲缈 : , 为一个聚类, 负荷曲 线y 为另一个聚类, 分别计算所分的这两个聚 类中负荷曲线集合中所对应的两个相邻负荷曲线距 离的比值的最大值 、 同时计算分类后类内 相邻负荷曲线之间距离之和的均值s 设 k 2 蚍, 中的最大值为 , 计算此次分类后的相邻负 学兔兔 w w w .x u e t u t u .c o m 第 5 1 卷
18、第 l 8期 2 0 1 4年9月 2 5日 电测与仪表 Ei e e t r i e a l Me as u r e me nt& I ns t r u me nt a t i o n VO 1 5 1 N0 1 8 Se p 2 52 O1 4 荷曲线间距离之和的均 : 与上一次分类后的相邻 负荷曲线间距离之和的均氲 之差与s 比值s , 有: = 3av g , 2- - $a v g ,l $a v g ,1 ( 6 ) 若满足 或 一 后 一 ,则停止聚类分割, 否 则进入步骤( 3 ) 。 ( 3 ) 重复步骤( 2 ) 的操作, 直到满足收敛条件为止。 ( 4 ) 设收敛后聚类分
19、割数 目为C , 分别计算进行分 割后的C 个聚类的聚类中心。 2 改进型模糊C均值算法 2 1 F C M算法 F C M 算法是一种以隶属度来确定每个数据点属 于某个聚类程度的算法, 该算法是传统硬聚类( H C M) 算法的一种改进。F C M 把经过归一化的数据集 = , 分为C 个模糊组 , 并求每组 的聚类 中心 , 它的 模糊c 划分可用矩阵 表示 , 其中矩阵 的元素 表示鳓 ( , = 1 ,2 , , n ) 个数据点属于第i ( i = 1 , 2 , ,c ) 类 的隶属度。 满足 以下条件 : V 配 =1 Vi d u 0 , 1 V ( 7 ) 即使得每个给定数据
20、点用值在0 和1 间的隶属度 来确定其属于各个组的程度。 F C M的目 标函数就是所 有各点隶属度乘以该点与中心的欧氏距离距离之和, F C M 算法就是求使聚类的目标函数最小化的划分矩 阵 聚类 中心C 。即: ( m i n ) ( c) = ( c ) ( 8 ) J 1 ( ) = l lv i l l ( 9 ) 式 中 n 是样本数据集 的个数 ; c 是聚类 中心数 ; m为加 权指数; 是样本点和聚类中心的欧氏距离。 2 2 改进型F C M算法 由于F C M 算法对聚类中心敏感 , 且需要人为确定 聚类数 目, 为解决此问题 , 本文通过计算类与类之间 的距离 , 也就是
21、类与类之 间的相似度来确定F C M算法 初始输入的聚类中心和聚类数 目。具体步骤如下 : ( 1 ) 对负荷曲线数据进行预处理, 获得典型 日 负 荷曲线, 之后利用公式( 1 ) 对 日负荷曲线进行归一化 处理,得到经过归一化的典型13负荷曲线的数据集 产 】 。 ( 2 )按照1 2 中的算法及收敛条件来确定聚类数 目和聚类中心的初始值。 ( 3 ) 将步骤( 2 ) 所得的聚类数目和聚类中心作为 F C M 算法的初始输入。 ( 4 ) 用值在0 , 1 之间的随机数初始化隶属矩阵 , 使其满足约束条件公式( 7 ) 。 ( 5 ) 根据公式( 8 ) 计算 目 标函数, 算法开始迭代
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 改进型 模糊 均值 算法 电力 负荷 特性 分类 技术研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【p****t】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【p****t】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。