超短期负荷的聚类分析及其变化情况预测

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

电力系统及其自动化
ＰｏｗｅｒＳｙｓｔｅｍ＆Ａｕｔｏｍａｔｉｏｎ
《电气自动化）２ｏ１３年第３５卷第６期
超短期负荷的聚类分析及其变化情况预测
姚乐乐，李庆哲，李端端（河北联合大学研究生学院，河北摘唐山０６３００９）
ＹＡＯＬｅ－ｌｅ，ＬＩＱｉｎｇ — ｚｈｅ，ＬＩＤｕａｎ — ｄｕａｎ（ＣｏｌｌｅｇｅｏｆＰｏｓｔｇｒａｄｕａｔｅ，ＨｅｂｅｉＵｎｉｔｅｄＵｎｉｖｅｒｓｉｔｙ，ＴａｎｇｓｈａｎＨｅｂｅｉ０６３００９，Ｃｈｉｎａ）
似）的历史数据仿真实验，验证算法的合理性、有效性，为日后负荷调度提供决策依据。
关键词：超短期负荷值；模糊ｃ均值聚类；蚁群聚类；模糊神经网络；相似日
ＤＯＩ：１０．３９６９／ｊ・ｉｓｓｎ．１０００－３８８６．２０１３．０６。０２０
ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｔｏｃｌａｓｓｉｆｙａｎｄｆｏｒｅｃａｓｔｔｈｅｓｕｐｅｒｓｈｏｒｔ — ｔｅｒｍｌｏａｄｗｉｔｈｉｎｏｎｅｄａｙ．Ｔｈｅｆｕｓｓｙｃ — ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇｃａｎｎｏｔｃｏｎｖｅｒｇｅａｔ
ａｃｑｕｉｓｉｔｉｏｎｏｆｔｈｅｂｅｓｔｎｕｍｂｅｒｏｆｃｌｕｓｔｅｒｉｎｇ．Ｆｕｓｓｙｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｕｓｅｄｔｏｆｏｒｅｃａｓｔｔｈｅｃｌｕｓｔｅｒｉｎｇｒｅｓｕｈ（ｖａｉｒａｔｉｏｎｏｆｔｈｅｌｏａｄｖａｌｕｅ）．Ｓｉｍｕｌａｔｉｏｎｅｘｐｅｉｒｍｅｎｔｓｏｎｈｉｓｔｏｒｉｃａｌｄａｔａｏｆｓｉｍｉｌａｒｄａｙｓ（ｓｉｍｉｌａｒｅｃｏｎｏｍｉｃｌａａｎｄｍｅｔｅｏｒｏｌｏｇｉｃａｌｆａｃｔｏｒｓｏｔｈｅｒｔｈａｎｌｏａｄｆａｃｔｏｒ）ａｒｅｍａｄｅｔｏｖｅｒｉｆｙｔｈｅｒａｔｉｏｎａｌｉｔｙａｎｄｖａｌｉｄｉｔｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ｔｈｕｓｐｒｏｖｉｄｉｎｇａｂａｓｉｓｆｏｒｄｅｃｉｓｉｏｎ — ｍａｋｉｎｇ０ｎｆｕｔｕｒｅｌｏａｄ
ｔｈｅｇｅｎｅｒｌｏａｐｔｉｍａｌｓｏｌｕｔｉｏｎｄｕｅｔｏｉｔｓｓｅｎｓｉｔｉｖｅｎｅｓｓｔｏｔｈｅｉｎｉｔｉｌｃａｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒ．Ｔｈｅａｎｔｃｌｕｓｔｅｒｉｎｇｉｓａｄｄｅｄｆｏｒａｕｔｏｍａｔｉｃ
要：电力系统的超短期负荷值及其变化情况对系统调度具有重要意义，提出了一种优化的聚类算法对超短期负荷在一天中的变化情况进行归类并预测。由于模糊Ｃ均值聚类对初始聚类中心敏感，不能准确收敛于全局最优解，加入蚁群聚类，从而自动获得
最佳聚类数目，采用模糊神经网络对聚类结果（负荷值的变化情况）进行预测。通过对相似日（非负荷因素如经济、气象等相
ＡｂｓｔｒａｃｔｉＳｕｐｅｒｓｈｏｒｔ — ｔｅｒｍｌｏａｄｖａｌｕｅａｎｄｉｔｓｖａｒｉａｔｉｏｎｓａｒｅｏｆｇｒｅａｔｉｍｐｏｒｔａｎｃｅｔｏｔｈｅｓｙｓｔｅｍｓｃｈｅｄｕｌｉｎｇ．Ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓａｎｏｐｔｉｍｉｚｅｄ
［中图分类号］ＴＭ７１５［文献标志码］Ａ［文章编号］１０００—３８８６（２０１３）０６—００５３— ０４
Ｃｌቤተ መጻሕፍቲ ባይዱｕｓｔｅｒｉｎｇＡｎａｌｙｓｉｓｏｆＳｕｐｅｒＳｈｏｒｔ－ｔｅｒｍＬｏａｄａｎｄＦｏｒｅｃａｓｔｉｎｇｏｆｉｔｓＶａｒｉａｔｉｏｎｓ