运用数据挖掘中的聚类技术对电力系统日负荷曲线进行分析,提出一种基于特性指标降维的日负荷曲线聚类方法——特性指标聚类(pattern index clustering,PIC),通过负荷率、日峰谷差率等6个日负荷特性指标对日负荷曲线进行降维处理,利用基...运用数据挖掘中的聚类技术对电力系统日负荷曲线进行分析,提出一种基于特性指标降维的日负荷曲线聚类方法——特性指标聚类(pattern index clustering,PIC),通过负荷率、日峰谷差率等6个日负荷特性指标对日负荷曲线进行降维处理,利用基于聚类有效性修正的德尔菲方法配置各指标权重,以加权欧式距离作为相似性判据,对日负荷曲线进行聚类。算例结果表明所提方法运行时间短,鲁棒性好,提高了负荷曲线聚类质量,能直观反映典型负荷曲线的特点。展开更多
传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负...传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负荷预测方法。该方法首先引入模糊C–均值算法把各类用地性质负荷聚类为几个等级,建立比较精确的负荷密度指标体系;然后根据待预测地块的规划属性,在体系中为LS-SVM预测模型选出与预测样本特征更为相似的样本进行训练,提高LS-SVM的泛化能力和预测精度;采用遗传算法对LS-SVM预测模型的参数进行自动优化,进一步提高预测模型的适应性和预测精度,实例验证了该方法的实用性和有效性。展开更多
为综合评价电网运行规划阶段分负荷方案的优劣,构造了一套涵盖电力系统经济性、安全性、可靠性和电力安全事故风险的电网运行规划分负荷方案评价指标体系。该指标体系首次将电力安全事故风险纳入评价考虑,涵盖范围广,能综合反映电网运...为综合评价电网运行规划阶段分负荷方案的优劣,构造了一套涵盖电力系统经济性、安全性、可靠性和电力安全事故风险的电网运行规划分负荷方案评价指标体系。该指标体系首次将电力安全事故风险纳入评价考虑,涵盖范围广,能综合反映电网运行规划分负荷的实际需求。在获取各分负荷方案评价指标值的前提下,利用TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法求解分负荷方案优化这一多目标决策问题,简单实用、可操作性强。实际系统仿真算例验证了该方法的有效性,可为电网运行方式制定提供技术支撑。展开更多
文摘运用数据挖掘中的聚类技术对电力系统日负荷曲线进行分析,提出一种基于特性指标降维的日负荷曲线聚类方法——特性指标聚类(pattern index clustering,PIC),通过负荷率、日峰谷差率等6个日负荷特性指标对日负荷曲线进行降维处理,利用基于聚类有效性修正的德尔菲方法配置各指标权重,以加权欧式距离作为相似性判据,对日负荷曲线进行聚类。算例结果表明所提方法运行时间短,鲁棒性好,提高了负荷曲线聚类质量,能直观反映典型负荷曲线的特点。
文摘传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负荷预测方法。该方法首先引入模糊C–均值算法把各类用地性质负荷聚类为几个等级,建立比较精确的负荷密度指标体系;然后根据待预测地块的规划属性,在体系中为LS-SVM预测模型选出与预测样本特征更为相似的样本进行训练,提高LS-SVM的泛化能力和预测精度;采用遗传算法对LS-SVM预测模型的参数进行自动优化,进一步提高预测模型的适应性和预测精度,实例验证了该方法的实用性和有效性。
文摘为综合评价电网运行规划阶段分负荷方案的优劣,构造了一套涵盖电力系统经济性、安全性、可靠性和电力安全事故风险的电网运行规划分负荷方案评价指标体系。该指标体系首次将电力安全事故风险纳入评价考虑,涵盖范围广,能综合反映电网运行规划分负荷的实际需求。在获取各分负荷方案评价指标值的前提下,利用TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法求解分负荷方案优化这一多目标决策问题,简单实用、可操作性强。实际系统仿真算例验证了该方法的有效性,可为电网运行方式制定提供技术支撑。