密度梯度算法在負(fù)荷動特性分類與綜合中的研究與應(yīng)用.pdf

1、電力系統(tǒng)數(shù)字仿真計(jì)算已成為電網(wǎng)規(guī)劃、設(shè)計(jì)、調(diào)度和運(yùn)行控制的主要決策依據(jù)，電力負(fù)荷模型是影響仿真結(jié)果精度和可信度最為重要的因素之一。電力系統(tǒng)中的綜合負(fù)荷具有構(gòu)成復(fù)雜、隨機(jī)時(shí)變、地域分散等特點(diǎn)，負(fù)荷建模的最大困難在于負(fù)荷的時(shí)變性。近幾年的研究表明，負(fù)荷動特性的分類與綜合是解決負(fù)荷時(shí)變性問題的有效途徑。 本文圍繞著綜合負(fù)荷分類與綜合問題展開論述。數(shù)據(jù)挖掘技術(shù)是解決電力系統(tǒng)相關(guān)問題的一種有應(yīng)用前景的方法，在深入系統(tǒng)地研究了負(fù)荷動特性分類

2、與綜合問題，深入分析了常用的分類中特征向量的選取和分類方法、綜合方法以及數(shù)據(jù)挖掘技術(shù)中的聚類分析方法后，將基于數(shù)據(jù)挖掘原理的密度梯度聚類算法應(yīng)用于電力系統(tǒng)負(fù)荷動特性的分類與綜合問題中，提出一種分類與綜合方法。該方法的主要思想是基于隨機(jī)過程相關(guān)性原理，以負(fù)荷動特性的實(shí)測響應(yīng)空間為特征向量空間，通過計(jì)算實(shí)測響應(yīng)空間各樣本間的密度分布，得到原始聚類中心，再利用類與類之間邊界點(diǎn)的分布情況進(jìn)行合并，從而達(dá)到負(fù)荷動特性分類。聚類中心在分類過程中產(chǎn)生

3、，以此聚類中心作為該類的等效樣本，對其進(jìn)行參數(shù)辨識即可得到同類負(fù)荷特性的通用負(fù)荷模型。分類和綜合在同一過程中完成，具有快速簡便的優(yōu)點(diǎn)。對某一變電站現(xiàn)場采集的負(fù)荷特性數(shù)據(jù)進(jìn)行聚類應(yīng)用，結(jié)果表明該方法具有良好的聚類效果。 最后在聚類過程、聚類中心以及等效模型參數(shù)對各個(gè)樣本的擬合誤差等方面與其它分類綜合方法作比較分析。由比較結(jié)果可以看出，該方法在運(yùn)算速度以及擬合誤差方面有一定的優(yōu)勢。基于密度梯度的聚類算法在負(fù)荷動特性分類與綜合中具有較