提出一种识别输电断面的快速方法,为有针对性地实施输电断面的保护与控制策略提供前提。首先根据电网实时动态监测系统(Wide area measurement system,WAMS)提供的广域电压相角信息,采用基于离差平方和法的聚类分析方法,将待搜索电网或...提出一种识别输电断面的快速方法,为有针对性地实施输电断面的保护与控制策略提供前提。首先根据电网实时动态监测系统(Wide area measurement system,WAMS)提供的广域电压相角信息,采用基于离差平方和法的聚类分析方法,将待搜索电网或区域电网内母线分为2群;进一步基于图论中极大连通子图的概念,给出了在母线群内搜索电源区或负荷区的图论方法;最后将相邻电源区和负荷区间的联络线簇识别为输电断面。在此基础上,给出了输电断面的层次递进搜索策略及其停止准则,实现各级区域电网间和区域电网内输电断面的搜索。仿真结果验证了所提方法的有效性。展开更多
在分析谱聚类实现思路和已有算法基础上,对规范切判据,最小最大切判据和自动确定聚类数目的谱聚类典型算法进行了研究和应用,通过理论分析算法各自实现机理的联系与区别,讨论它们各自的聚类特点,并利用UCI(University of California,Irv...在分析谱聚类实现思路和已有算法基础上,对规范切判据,最小最大切判据和自动确定聚类数目的谱聚类典型算法进行了研究和应用,通过理论分析算法各自实现机理的联系与区别,讨论它们各自的聚类特点,并利用UCI(University of California,Irvine)机器学习数据集试验对比了三种算法的聚类效果。发现谱聚类算法实现数据聚类的有效性,以及参数及相似度度量对算法性能有很大影响,在此基础上提出了算法用于解决可建模为模式识别的工程问题的可行思路,为工程实践提供了借鉴。展开更多
相对于其他的密度聚类算法,密度峰值聚类(Density Peaks Clustering,DPC)算法思想简洁新颖,所需参数少,不需要进行迭代求解,而且具有可扩展性.但是,DPC仍然具有一定缺陷,例如存在截断阈值dc的定义模糊以及选取中心点失效等问题.在阐述了...相对于其他的密度聚类算法,密度峰值聚类(Density Peaks Clustering,DPC)算法思想简洁新颖,所需参数少,不需要进行迭代求解,而且具有可扩展性.但是,DPC仍然具有一定缺陷,例如存在截断阈值dc的定义模糊以及选取中心点失效等问题.在阐述了DPC的算法思想和原理的基础上,分析了DPC算法的缺陷,然后从多个改进的角度对其相关研究工作进行了综述.通过分析DPC与相关理论(数据场、图论、粒计算等)的联系,针对密度峰值的缺点,提出了基于粒计算的DPC算法改进框架,其中包括由细到粗、由细到粗和双向变粒度这三种机制以及基于网格粒化的密度峰值算法框架.最后对DPC今后的研究工作进行了展望,包括动态密度峰值聚类、利用密度峰值研究网络拓扑、处理复杂任务以及改进其他聚类等,希望为DPC的进一步研究提供新思想.展开更多
文摘提出一种识别输电断面的快速方法,为有针对性地实施输电断面的保护与控制策略提供前提。首先根据电网实时动态监测系统(Wide area measurement system,WAMS)提供的广域电压相角信息,采用基于离差平方和法的聚类分析方法,将待搜索电网或区域电网内母线分为2群;进一步基于图论中极大连通子图的概念,给出了在母线群内搜索电源区或负荷区的图论方法;最后将相邻电源区和负荷区间的联络线簇识别为输电断面。在此基础上,给出了输电断面的层次递进搜索策略及其停止准则,实现各级区域电网间和区域电网内输电断面的搜索。仿真结果验证了所提方法的有效性。
文摘在分析谱聚类实现思路和已有算法基础上,对规范切判据,最小最大切判据和自动确定聚类数目的谱聚类典型算法进行了研究和应用,通过理论分析算法各自实现机理的联系与区别,讨论它们各自的聚类特点,并利用UCI(University of California,Irvine)机器学习数据集试验对比了三种算法的聚类效果。发现谱聚类算法实现数据聚类的有效性,以及参数及相似度度量对算法性能有很大影响,在此基础上提出了算法用于解决可建模为模式识别的工程问题的可行思路,为工程实践提供了借鉴。
文摘相对于其他的密度聚类算法,密度峰值聚类(Density Peaks Clustering,DPC)算法思想简洁新颖,所需参数少,不需要进行迭代求解,而且具有可扩展性.但是,DPC仍然具有一定缺陷,例如存在截断阈值dc的定义模糊以及选取中心点失效等问题.在阐述了DPC的算法思想和原理的基础上,分析了DPC算法的缺陷,然后从多个改进的角度对其相关研究工作进行了综述.通过分析DPC与相关理论(数据场、图论、粒计算等)的联系,针对密度峰值的缺点,提出了基于粒计算的DPC算法改进框架,其中包括由细到粗、由细到粗和双向变粒度这三种机制以及基于网格粒化的密度峰值算法框架.最后对DPC今后的研究工作进行了展望,包括动态密度峰值聚类、利用密度峰值研究网络拓扑、处理复杂任务以及改进其他聚类等,希望为DPC的进一步研究提供新思想.
