论文摘要
典型日负荷曲线对负荷调度计划以及运行控制有着重要意义,针对常用的传统典型日负荷曲线选取方法不满足目前电力市场需求的问题,提出了基于自适应因子与概率统计法相结合的改进模糊聚类算法典型日负荷曲线选取新方法,应用日负荷率、日负荷波动率等描述性特征指标,确定最优聚类数;引入模糊-离散系数,辨识样本数据中的畸变日,并予以剔除;计算日负荷与月平均负荷之间的相关系数,依据相关系数选取典型日负荷曲线。以新疆电网2015年1月份负荷数据进行实例仿真,结果表明所提方法能够准确选出典型日负荷曲线,验证了方法的可行性和有效性。
论文目录
文章来源
类型: 期刊论文
作者: 徐邦恩,蔺红
关键词: 改进模糊聚类算法,自适应因子,模糊离散系数,典型日负荷曲线
来源: 电测与仪表 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 新疆大学电气工程学院
基金: 国家自然科学基金资助项目(51667019)
分类号: TM714
DOI: 10.19753/j.issn1001-1390.2019.04.004
页码: 21-26
总页数: 6
文件大小: 989K
下载量: 407
相关论文文献
- [1].一种基于反一致自适应聚类的典型日选取方法[J]. 电力科学与工程 2017(07)
- [2].基于改进广义回归神经网络的日负荷曲线预测[J]. 山东电力技术 2013(06)
- [3].运用聚类算法预测地区电网典型日负荷曲线[J]. 电力与能源 2013(01)
- [4].奇异值分解方法在日负荷曲线降维聚类分析中的应用[J]. 电力系统自动化 2018(03)
- [5].基于模糊信息粒化与多策略灵敏度的短期日负荷曲线预测[J]. 电工技术学报 2017(09)
- [6].一种基于语义聚类的典型日负荷曲线选取方法[J]. 华北电力大学学报(自然科学版) 2013(01)
- [7].基于函数型非参数回归模型的中长期日负荷曲线预测[J]. 电力自动化设备 2015(07)
- [8].基于特性指标降维的日负荷曲线聚类分析[J]. 电网技术 2016(03)
- [9].基于单纯形法的中长期典型日负荷曲线预测研究[J]. 吉林电力 2011(06)
- [10].基于灰狼优化聚类算法的日负荷曲线聚类分析[J]. 电力系统保护与控制 2020(06)
- [11].计及温度区间的电网负荷典型日筛选方法研究[J]. 安徽电力 2017(04)
- [12].采用分形插值的典型日负荷曲线改进预测方法[J]. 电力系统及其自动化学报 2015(03)
- [13].基于特征指标降维及熵权法的日负荷曲线聚类方法[J]. 电力系统自动化 2019(20)
- [14].基于FCM配电侧典型电力日负荷曲线分类研究[J]. 华北电力技术 2016(11)
- [15].基于气象灵敏度分析和特征日修正的短期日负荷曲线预测[J]. 广西电力 2018(03)
- [16].MapReduce框架下运用K-modes聚类算法进行日负荷曲线预测[J]. 计算机与数字工程 2016(02)
- [17].天津地区光伏与电采暖负荷接入对电网日负荷曲线影响分析[J]. 科技创新与应用 2020(33)
- [18].基于灰色神经网络与灰色关联度的中长期日负荷曲线预测[J]. 武汉大学学报(工学版) 2019(01)
- [19].基于信息熵时段划分的主动配电网动态重构[J]. 电网技术 2017(02)
- [20].住宅日负荷曲线的动态仿真研究[J]. 福建工程学院学报 2010(03)
- [21].基于形状相似的日负荷曲线多重聚类分析及其应用[J]. 电气应用 2008(20)
- [22].城市综合体负荷特性建模与实例分析[J]. 中国电力 2016(S1)
- [23].基于GMM聚类和SVM的用户负荷行业分类辨识方法[J]. 广东电力 2017(12)
- [24].基于改进倍比平滑法的节假日短期负荷预测方法[J]. 电力建设 2014(10)
- [25].大规模电动汽车充电对吉林省供电负荷的影响[J]. 吉林电力 2012(03)
- [26].“煤改电”工程实施前后农网负荷特性分析[J]. 电气技术 2017(04)
- [27].广西电网负荷特性分析与预测[J]. 广西电力 2014(04)
- [28].电价及补贴政策对负荷特性的影响分析[J]. 广东电力 2015(08)
- [29].基于相似日和分时段分形插值的短期电力负荷预测[J]. 现代电力 2009(02)
- [30].基于数据驱动理念的电力日负荷曲线预测方法研究[J]. 电力系统及其自动化学报 2020(01)
标签：改进模糊聚类算法论文; 自适应因子论文; 模糊离散系数论文; 典型日负荷曲线论文;