密度梯度聚类算法在负荷动特性聚类中的应用.pdf

《密度梯度聚类算法在负荷动特性聚类中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第22卷第2期电力系统及其自动化学报V01．22No．22010年4月ProceedingsoftheCSU—EPSAApr．2010密度梯度聚类算法在负荷动特性聚类中的应用一一一一一～一一～一杨政，李欣然，陈辉华。，宋军英。(1．湖南大学电气与信息工程学院，长沙410082；2．湖南省电力公司电力调度通信局，长沙410007)～一一一一_耋～一_一～耋一一一一～一．～一n摘要：文中提出将基于数据挖掘原理的密度梯度聚类算法应用于电力系统负荷动特性的聚类。通过计算实测响应空间各样本间的密度分布，得到原始聚类中

2、心，再利用类与类之间边界点的分布情况进行合并，从而达到负荷动特性分类。聚类中心在分类过程中产生，以此聚类中心作为该类的等效样本，对其进行参数辨识即可得到同类负荷特性的通用负荷模型。分类和综合在同一过程中完成，具有快速简便的优点。对某一变电站现场采集的负荷特性数据进行聚类应用，结果表明该方法具有良好的聚类效果。关键词：电力负荷建模；数据挖掘；实测响应空间；负荷动特性聚类；密度梯度中图分类号：TM714文献标志码：A文章编号：1003—8930(2010)020041—07洲蓦一～一L一m唧至_．一蚕m_亘一一

3、叭眦_量m一～一一∞m咖一～一ApplicationofDataMiningBasedonDensityGradientinLoadDynamicCharacteristicAggregateYANGZheng，LIXin—ran，CHENHui—hua。，SONGJLIn—ying(1．CollegeofElectricalandInformationEngineering，Changsha410082，C⋯hin一a；一～．嘴2．HunanPowerDispatchingCenter，Changsha4

4、10007，China)一_茎一∞一一一～一一一～电力系统综合负荷构成的地域分散与复杂性负荷模型。和负荷特性的随机时变性决定了不可能建立一个负荷特性分类与综合需要考虑的关键问题是涵盖所有负荷特性的通用模型。由此即产生了负荷分类的有效与准确性和实现方法的简便性。围绕上建模之工程实用性和模型精确性之间的矛盾，解决述问题，多年来学者们作了大量的研究_1]。在分此矛盾的有效途径就是负荷特性的分类与综合。负类方法方面，主要有基于统计学原理的系统聚类法荷特性的分类是指通过特征向量和分类方法的选和模糊C均值聚类法，基于神

5、经网络的聚类方法，择，把特性相近的综合负荷特性归为一类；而综合以及基于时间特征的分类方法等。就综合方法而就是从分类样本中提取共性，建立每一分类的综合言，基于模型参数空间的综合、基于模型对标准阶收稿13期：2009—04—27；修回日期：2009—05—29基金项目：高等学校博士学科点专项科研基金(20070532052)·42·电力系统及其自动化学报第22卷跃响应空间的综合以及直接综合的总体辨识等方分析能作为一个独立的方法从大量的数据集中智法均有成功的应用，其中直接综合的总体辨识是通能地、自动地抽取出有价值

6、的分类知识，获得数据过多曲线拟合获得分类后的综合负荷模型，由于其的分布，它的实质是一个全局最优问题。在聚类过综合效果好而成为当前应用较多的综合方法。文献程中依靠事物问的相似性作为划分准则，属于无指E8～101在较系统地总结了已有的主要负荷特性导学习过程。分类与综合方法之特点的基础上，提出了一种基于基于密度的聚类方法的主要思想是：对于聚类实测响应空间的负荷动特性的分类与综合方法。该中的每一个对象，只要临近区域的密度(对象或数方法运用随机过程相似性原理，通过对实测响应曲据点的数目)超过某个阈值，就继续聚类。对给

7、定线的相似性分析直接进行分类与综合，其最大的优类中的每个数据点，在给定半径的邻域中至少要包点在于无需分类前的单样本辨识，相对已有方法而含最少数目的点。这样的方法可以用来过滤“噪声”言，实现更为便捷且具有良好的效果。但分类中相孤立点数据，发现任意形状的类l_1。聚类所生成的关系数的计算以及分类完成后聚类中心的求取，使类别是一组数据对象的集合，这些对象与同一个类得整个过程稍显繁琐。本文在上述工作_80Ⅲ的基中的对象彼此相似，与其它类中的对象相异。础上，围绕如何能更快速方便地达到负荷特性分类同类的电力系统负荷动特

8、性所对应着的是综与综合效果，使之更好地符合简便性和准确性统一合负荷在构成相近时的不同表现，因此其本质特征的要求，对负荷特性的分类综合问题进行了进一步具有物理相似性。基于这一结论，可以把电力系统的研究。负荷动特性的每一个样本看作聚类过程中的一个近年来数据挖掘(datamining)成为较为活跃点，动态负荷扰动数据中负荷构成相近的点，与其的研究领域，它是人T智能与数据库技术相结合的聚类中心的距离必然较小，而点密度较大