电力系统及其自动化学报
電力繫統及其自動化學報
전력계통급기자동화학보
PROCEEDINGS OF THE CHINESE SOCIETY OF UNIVERSITIES
2014年
7期
70-75
,共6页
遗传算法%均值算法%负荷特性分类%可变染色体长度%负荷建模
遺傳算法%均值算法%負荷特性分類%可變染色體長度%負荷建模
유전산법%균치산법%부하특성분류%가변염색체장도%부하건모
genetic algorithm%means algorithm%load characteristics classification%modified variable string length%load modeling
负荷特性聚类是负荷建模的基础工作,精确的负荷特性分类对负荷建模十分重要.为适用于实际电网规划等对负荷分类精度要求更高的领域,针对负荷聚类时存在的聚类数目不确定、初始条件选择敏感的问题,提出了一种改进遗传算法的负荷特性分类新方法.该方法在遗传算法全局搜索能力的基础上,结合K均值聚类方法进行聚类分析,得到最优分类结果.同时,针对聚类中心敏感的问题,遗传算法中采用可变长编码方案进行优化,动态寻找最优聚类数目,确定最优聚类中心.实例分析结果表明,用改进遗传算法对负荷特性进行分类,能够有效避免初始条件对分类结果的影响,可以获得良好的分类效果.
負荷特性聚類是負荷建模的基礎工作,精確的負荷特性分類對負荷建模十分重要.為適用于實際電網規劃等對負荷分類精度要求更高的領域,針對負荷聚類時存在的聚類數目不確定、初始條件選擇敏感的問題,提齣瞭一種改進遺傳算法的負荷特性分類新方法.該方法在遺傳算法全跼搜索能力的基礎上,結閤K均值聚類方法進行聚類分析,得到最優分類結果.同時,針對聚類中心敏感的問題,遺傳算法中採用可變長編碼方案進行優化,動態尋找最優聚類數目,確定最優聚類中心.實例分析結果錶明,用改進遺傳算法對負荷特性進行分類,能夠有效避免初始條件對分類結果的影響,可以穫得良好的分類效果.
부하특성취류시부하건모적기출공작,정학적부하특성분류대부하건모십분중요.위괄용우실제전망규화등대부하분류정도요구경고적영역,침대부하취류시존재적취류수목불학정、초시조건선택민감적문제,제출료일충개진유전산법적부하특성분류신방법.해방법재유전산법전국수색능력적기출상,결합K균치취류방법진행취류분석,득도최우분류결과.동시,침대취류중심민감적문제,유전산법중채용가변장편마방안진행우화,동태심조최우취류수목,학정최우취류중심.실례분석결과표명,용개진유전산법대부하특성진행분류,능구유효피면초시조건대분류결과적영향,가이획득량호적분류효과.
