欢迎来到天天文库
浏览记录
ID:52487815
大小:678.97 KB
页数:6页
时间:2020-03-28
《改进遗传K均值算法在负荷特性分类的应用.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26卷第7期电力系统及其自动化学报Vo1.26No.72014年7月ProceedingsoftheCSU-EPSAJu1.2014改进遗传K均值算法在负荷特性分类的应用黄毅成,杨洪耕(四川大学电气信息学院,成都610065)摘要:负荷特性聚类是负荷建模的基础工作,精确的负荷特性分类对负荷建模十分重要。为适用于实际电网规划等对负荷分类精度要求更高的领域,针对负荷聚类时存在的聚类数目不确定、初始条件选择敏感的问题,提出了一种改进遗传算法的负荷特性分类新方法。该方法在遗传算法全局搜索能力的基础上,结合K均值聚类方法进行聚类分析,得
2、到最优分类结果。同时,针对聚类中心敏感的问题,遗传算法中采用可变长编码方案进行优化,动态寻找最优聚类数目,确定最优聚类中心。实例分析结果表明,用改进遗传算法对负荷特性进行分类,能够有效避免初始条件对分类结果的影响,可以获得良好的分类效果。关键词:遗传算法;均值算法;负荷特性分类;可变染色体长度;负荷建模中图分类号:TM714文献标志码:A文章编号:1003—8930(2014)07—0070—06ApplicationofImprovedGeneticandK-meansAlgorithmonLoadCharacteristic
3、sClassificationHUANGYi-cheng,YANGHong—geng(SchoolofElectricalEngineering&Information,SichuanUniversity,Chengdu610065,China)Abstract:Loadcharacteristicsclassificationisthebasisofloadmodeling,preciseclassificationisimportantforloadmodeling.Toapplytoactualpowergridplann
4、ingetcdemandsforhighaccuracyofclassification.Directingattheclus—teringnumbersareuncertainandtheinitialconditionsaresensitivetochoose,thispaperproposesanewmethodbasedonimprovedgeneticalgorithm.CombinedK-meansclusteringwithgeneticalgorithm,thismethodutilizestheglobalse
5、archabilityofgeneticalgorithm,andthengetstheoptimalclassificationresults.Onaccountofclusteringcentersaresensitive,optimizingthismethodbymodifiedvariablestringlengthscheme,dynamicsearchingfortheoptimalnumberofcluster,thismethodcanconfirmoptimalclustercenters.Experimen
6、talresultsdemonstratethatutilizingthismethodtoclassifythecharacteristicsofpowerloadscaneffectivelyavoidtheinfluenceofinitialconditionsandobtaingoodclassificationresults.Keywords:geneticalgorithm;meansalgorithm;loadcharacteristicsclassificati0n:modifiedvariablestringl
7、ength;loadmodeling近年来,随着电网需求侧负荷特性多样化以于模糊矩阵和模糊C均值方法对负荷特征进行聚及电网复杂程度的提高,使得对综合负荷特性建类,但模糊矩阵聚类精确度低,而且模糊c均值算立完全精确的数学模型变得十分困难fl1,需要对负法对中心敏感,易陷入局部最优;文献[4—5]提出对荷进行分类和综合,从而建立一定精确程度的负模糊c均值方法的改进,而如何确定最优聚类数荷模型[21,其中,负荷特性的聚类分析是负荷建模目问题依然存在;文献[6】提出改进的K均值聚类的基础工作。精确的负荷特征分类对电网规划、实方法,针对聚
8、类中心敏感和聚类数目确定提出改时调度和运行规划等具有重要的现实意义。进,但数据量增大时,精确性会降低;文献[7]提出负荷建模为电网规划、运行规划、调度等提供一种应用KOHONEN神经网络解决负荷动特性聚有效的数学参考模型,随着负荷建模的研究深入,类的方法;文献[
此文档下载收益归作者所有