提出了一种新的表达数据集的方法———特征向量,它通过坐标和密度描述了某一密集空间,以较少的数据量反映站点数据的分布特性。在此基础上提出了一种基于特征向量的分布式聚类算法———DCBFV(D istributed C lustering Based on Featu...提出了一种新的表达数据集的方法———特征向量,它通过坐标和密度描述了某一密集空间,以较少的数据量反映站点数据的分布特性。在此基础上提出了一种基于特征向量的分布式聚类算法———DCBFV(D istributed C lustering Based on Feature Vector),该算法可有效降低网络通信量,能够对任意形状分布的数据进行聚类,提高了分布式聚类的时空效率和性能。理论分析和实验结果表明DCBFV是高效可行的。展开更多
配电网中分布式风电源选址定容时,计及风电机组出力和节点负荷的时序性特征。利用蒙特卡洛模拟MCS(Monte Carlo simulation)对一年内每小时风速进行抽样,并求出对应的风机出力。综合考虑每小时风机出力效率以及对应的节点小时负荷负载率...配电网中分布式风电源选址定容时,计及风电机组出力和节点负荷的时序性特征。利用蒙特卡洛模拟MCS(Monte Carlo simulation)对一年内每小时风速进行抽样,并求出对应的风机出力。综合考虑每小时风机出力效率以及对应的节点小时负荷负载率,构建小时场景,利用改进K-means聚类法进行场景聚类。根据聚类后每个场景的风机出力效率均值、负荷负载率均值以及对应场景的概率,以配电公司最小年费用成本为目标函数,利用改进遗传算法对分布式风电源进行选址定容。对33节点算例的仿真分析结果表明,风机出力与节点负荷的时序特性对分布式风电源的选址定容有重大影响,同时也验证了所提模型及方法的有效性。展开更多
文摘提出了一种新的表达数据集的方法———特征向量,它通过坐标和密度描述了某一密集空间,以较少的数据量反映站点数据的分布特性。在此基础上提出了一种基于特征向量的分布式聚类算法———DCBFV(D istributed C lustering Based on Feature Vector),该算法可有效降低网络通信量,能够对任意形状分布的数据进行聚类,提高了分布式聚类的时空效率和性能。理论分析和实验结果表明DCBFV是高效可行的。
文摘配电网中分布式风电源选址定容时,计及风电机组出力和节点负荷的时序性特征。利用蒙特卡洛模拟MCS(Monte Carlo simulation)对一年内每小时风速进行抽样,并求出对应的风机出力。综合考虑每小时风机出力效率以及对应的节点小时负荷负载率,构建小时场景,利用改进K-means聚类法进行场景聚类。根据聚类后每个场景的风机出力效率均值、负荷负载率均值以及对应场景的概率,以配电公司最小年费用成本为目标函数,利用改进遗传算法对分布式风电源进行选址定容。对33节点算例的仿真分析结果表明,风机出力与节点负荷的时序特性对分布式风电源的选址定容有重大影响,同时也验证了所提模型及方法的有效性。
