基于自適應(yīng)PFCM聚類的電力負(fù)荷數(shù)據(jù)預(yù)處理
發(fā)布時(shí)間:2021-07-04 08:58
考慮到電網(wǎng)實(shí)際運(yùn)行過程中,負(fù)荷數(shù)據(jù)因隨機(jī)因素產(chǎn)生異常,對(duì)負(fù)荷預(yù)測的準(zhǔn)確性以及負(fù)荷調(diào)度的有效性造成嚴(yán)重影響,提出一種自適應(yīng)可能性模糊C均值(Possible Fuzzy C-Means, PFCM)聚類算法以修正電力負(fù)荷異常數(shù)據(jù)。該算法利用新定義的PFCM聚類有效性指標(biāo)函數(shù)與動(dòng)態(tài)調(diào)節(jié)權(quán)重的PSO算法分別實(shí)現(xiàn)了負(fù)荷曲線最優(yōu)聚類數(shù)目與聚類中心的自適應(yīng)確定;利用改進(jìn)的PFCM算法提取負(fù)荷特征曲線,實(shí)現(xiàn)了對(duì)負(fù)荷曲線的聚類;使用該方法對(duì)西北某市負(fù)荷數(shù)據(jù)進(jìn)行聚類分析,并利用相關(guān)方法進(jìn)行異常數(shù)據(jù)的識(shí)別與修正。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法樣本點(diǎn)距聚類中心的距離明顯更小,且在相同異常值修正公式下,使用改進(jìn)后算法聚類結(jié)果修正的異常值更接近于原始負(fù)荷數(shù)據(jù),平均相對(duì)誤差相比改進(jìn)前降低1.99%。
【文章來源】:電測與儀表. 2020,57(21)北大核心
【文章頁數(shù)】:7 頁
【部分圖文】:
基于自適應(yīng)PFCM聚類的電力負(fù)荷預(yù)處理流程
為避免負(fù)荷增長對(duì)實(shí)驗(yàn)結(jié)果帶來的影響,文中采用極值序列歸一化方法對(duì)所有負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理。歸一化后日負(fù)荷曲線如圖2所示。3.2 算法改進(jìn)前后實(shí)驗(yàn)結(jié)果對(duì)比分析
聚類過程中分別按重新定義的PFCM有效指標(biāo)與原始指標(biāo)函數(shù),對(duì)1月~3月負(fù)荷曲線進(jìn)行聚類,改進(jìn)前后指標(biāo)函數(shù)變化趨勢如圖3所示。從指標(biāo)函數(shù)變化趨勢中可看出,PFCM算法在原始指標(biāo)函數(shù)約束下函數(shù)值無法在聚類數(shù)目合理變化區(qū)間取最小值,即原始指標(biāo)函數(shù)在模糊環(huán)境下無法確定聚類數(shù)目;而新定義的有效性指標(biāo)函數(shù)在c=4時(shí)可取到最小值1.1151,即負(fù)荷曲線的最優(yōu)聚類數(shù)目為4類。證明了新定義的指標(biāo)函數(shù)可直接用于PFCM算法聚類數(shù)目的確定。按上述確定的c值對(duì)90條負(fù)荷數(shù)據(jù)進(jìn)行聚類,各類別曲線聚類效果如圖4所示。
【參考文獻(xiàn)】:
期刊論文
[1]利用Rayleigh熵和并行計(jì)算的大規(guī)模電網(wǎng)異常負(fù)荷快速識(shí)別[J]. 李洪乾,韓松,周忠強(qiáng). 電力系統(tǒng)保護(hù)與控制. 2019(23)
[2]模糊神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測中的應(yīng)用[J]. 喻圣,鄒紅波,余凡,伏春林,韓娜. 智慧電力. 2018(11)
[3]異常值探測在大數(shù)據(jù)分析中的應(yīng)用研究[J]. 陶盈春,張紅麗,徐健. 情報(bào)科學(xué). 2018(03)
[4]基于改進(jìn)粒子群算法的模糊聚類-概率神經(jīng)網(wǎng)絡(luò)模型的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型研究[J]. 吳沖,劉佳明,郭志達(dá). 運(yùn)籌與管理. 2018(02)
[5]基于PCHD模型的APF自適應(yīng)模糊無源控制研究[J]. 鄭成才,王久和,慕小斌,張巧杰. 電力系統(tǒng)保護(hù)與控制. 2018(02)
[6]粒子群優(yōu)化的模糊聚類在負(fù)荷預(yù)處理的應(yīng)用[J]. 常鮮戎,孫景文. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2015(07)
[7]基于改進(jìn)的模糊C均值聚類的負(fù)荷預(yù)處理[J]. 常鮮戎,孫景文. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(01)
[8]空間電力負(fù)荷預(yù)測中異常數(shù)據(jù)的辨識(shí)與處理[J]. 肖白,徐瀟,宋坤,白洋,李介夫. 東北電力大學(xué)學(xué)報(bào). 2013(Z1)
碩士論文
[1]電力綜合數(shù)據(jù)網(wǎng)流量異常檢測方法的設(shè)計(jì)與實(shí)現(xiàn)[D]. 應(yīng)斐昊.北京郵電大學(xué) 2018
本文編號(hào):3264478
【文章來源】:電測與儀表. 2020,57(21)北大核心
【文章頁數(shù)】:7 頁
【部分圖文】:
基于自適應(yīng)PFCM聚類的電力負(fù)荷預(yù)處理流程
為避免負(fù)荷增長對(duì)實(shí)驗(yàn)結(jié)果帶來的影響,文中采用極值序列歸一化方法對(duì)所有負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理。歸一化后日負(fù)荷曲線如圖2所示。3.2 算法改進(jìn)前后實(shí)驗(yàn)結(jié)果對(duì)比分析
聚類過程中分別按重新定義的PFCM有效指標(biāo)與原始指標(biāo)函數(shù),對(duì)1月~3月負(fù)荷曲線進(jìn)行聚類,改進(jìn)前后指標(biāo)函數(shù)變化趨勢如圖3所示。從指標(biāo)函數(shù)變化趨勢中可看出,PFCM算法在原始指標(biāo)函數(shù)約束下函數(shù)值無法在聚類數(shù)目合理變化區(qū)間取最小值,即原始指標(biāo)函數(shù)在模糊環(huán)境下無法確定聚類數(shù)目;而新定義的有效性指標(biāo)函數(shù)在c=4時(shí)可取到最小值1.1151,即負(fù)荷曲線的最優(yōu)聚類數(shù)目為4類。證明了新定義的指標(biāo)函數(shù)可直接用于PFCM算法聚類數(shù)目的確定。按上述確定的c值對(duì)90條負(fù)荷數(shù)據(jù)進(jìn)行聚類,各類別曲線聚類效果如圖4所示。
【參考文獻(xiàn)】:
期刊論文
[1]利用Rayleigh熵和并行計(jì)算的大規(guī)模電網(wǎng)異常負(fù)荷快速識(shí)別[J]. 李洪乾,韓松,周忠強(qiáng). 電力系統(tǒng)保護(hù)與控制. 2019(23)
[2]模糊神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測中的應(yīng)用[J]. 喻圣,鄒紅波,余凡,伏春林,韓娜. 智慧電力. 2018(11)
[3]異常值探測在大數(shù)據(jù)分析中的應(yīng)用研究[J]. 陶盈春,張紅麗,徐健. 情報(bào)科學(xué). 2018(03)
[4]基于改進(jìn)粒子群算法的模糊聚類-概率神經(jīng)網(wǎng)絡(luò)模型的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型研究[J]. 吳沖,劉佳明,郭志達(dá). 運(yùn)籌與管理. 2018(02)
[5]基于PCHD模型的APF自適應(yīng)模糊無源控制研究[J]. 鄭成才,王久和,慕小斌,張巧杰. 電力系統(tǒng)保護(hù)與控制. 2018(02)
[6]粒子群優(yōu)化的模糊聚類在負(fù)荷預(yù)處理的應(yīng)用[J]. 常鮮戎,孫景文. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2015(07)
[7]基于改進(jìn)的模糊C均值聚類的負(fù)荷預(yù)處理[J]. 常鮮戎,孫景文. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(01)
[8]空間電力負(fù)荷預(yù)測中異常數(shù)據(jù)的辨識(shí)與處理[J]. 肖白,徐瀟,宋坤,白洋,李介夫. 東北電力大學(xué)學(xué)報(bào). 2013(Z1)
碩士論文
[1]電力綜合數(shù)據(jù)網(wǎng)流量異常檢測方法的設(shè)計(jì)與實(shí)現(xiàn)[D]. 應(yīng)斐昊.北京郵電大學(xué) 2018
本文編號(hào):3264478
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3264478.html
最近更新
教材專著