提出CF-WFCM算法,该算法分为属性权重学习算法和聚类算法两部分.属性权重学习算法,从数据自身的相似性出发,通过梯度递减算法极小化属性评价函数CFuzziness(w),为每个属性赋予一个权重.将属性权重应用于Fuzzy C Mean聚类算法,得到CF-WFC...提出CF-WFCM算法,该算法分为属性权重学习算法和聚类算法两部分.属性权重学习算法,从数据自身的相似性出发,通过梯度递减算法极小化属性评价函数CFuzziness(w),为每个属性赋予一个权重.将属性权重应用于Fuzzy C Mean聚类算法,得到CF-WFCM算法的聚类算法.CF-WFCM算法强化重要属性在聚类过程中的作用,消减冗余属性的作用,从而改善聚类的效果.我们选取了部分UCI数据库进行实验,实验结果证明:CF-WFCM算法的聚类结果优于FCM算法的聚类结果.函数CFuzziness(w)不仅可以评价属性的重要性,而且可以评价属性评价函数的优劣.实验说明了这一问题.最后我们对CF-WFCM算法进行了讨论.展开更多
为了解决高比例新能源地区电网中新能源不确定性所导致的N-1故障线路过载问题,提出一种计及新能源不确定性并应用混合型潮流控制器(hybrid power flow controller,HPFC)控制模式的电网潮流优化方法。首先,建立了适应于多线路控制的HPFC...为了解决高比例新能源地区电网中新能源不确定性所导致的N-1故障线路过载问题,提出一种计及新能源不确定性并应用混合型潮流控制器(hybrid power flow controller,HPFC)控制模式的电网潮流优化方法。首先,建立了适应于多线路控制的HPFC稳态计算模型,并给出了在不同控制模式下的HPFC运行约束条件。其次,以电网有功网损和线路负载率指标为目标函数,考虑N-1安全约束和HPFC运行约束,建立应用HPFC控制模式的电网潮流优化模型。然后,通过模糊C均值聚类获取反映新能源出力、负荷不确定性的场景集合,并采用多目标多元宇宙优化算法(multi-objective multi-verse optimization,MOMVO)求解所提优化模型。最后,将所提潮流优化方法应用于江苏南通某地区电网。结果表明,所提方法能有效提高电网的经济性与静态安全性,且计算结果具有较好的稳定性。展开更多
文摘提出CF-WFCM算法,该算法分为属性权重学习算法和聚类算法两部分.属性权重学习算法,从数据自身的相似性出发,通过梯度递减算法极小化属性评价函数CFuzziness(w),为每个属性赋予一个权重.将属性权重应用于Fuzzy C Mean聚类算法,得到CF-WFCM算法的聚类算法.CF-WFCM算法强化重要属性在聚类过程中的作用,消减冗余属性的作用,从而改善聚类的效果.我们选取了部分UCI数据库进行实验,实验结果证明:CF-WFCM算法的聚类结果优于FCM算法的聚类结果.函数CFuzziness(w)不仅可以评价属性的重要性,而且可以评价属性评价函数的优劣.实验说明了这一问题.最后我们对CF-WFCM算法进行了讨论.
