基于自适应PFCM聚类的电力负荷数据预处理

郝晓弘; 张春燕; 裴婷婷; 王维洲; 刘福潮

郝晓弘,张春燕,裴婷婷,王维洲,刘福潮.基于自适应PFCM聚类的电力负荷数据预处理[J].电测与仪表,2020,57(21):40-46.
haoxiaohong,zhangchunyan,peitingting,wangweizhou,liufuchao.Power load data preprocessing based on adaptive PFCM clustering[J].Electrical Measurement & Instrumentation,2020,57(21):40-46.

基于自适应PFCM聚类的电力负荷数据预处理

Power load data preprocessing based on adaptive PFCM clustering

DOI：10.19753/j.issn1001-1390.2020.21.006

中文关键词: 异常值负荷预处理可能性模糊C均值粒子群算法

英文关键词:Outliers, Data processing, Possibility fuzzy C-means, Particle swarm optimization algorithm

基金项目:国家自然科学基金项目（ NO.61540033）

作者中文名	作者英文名	单位
郝晓弘	haoxiaohong	兰州理工大学电气工程与信息工程学院
张春燕	zhangchunyan	兰州理工大学计算机与通信学院
裴婷婷	peitingting	兰州理工大学电气工程与信息工程学院
王维洲	wangweizhou	国网甘肃电力公司电力科学研究院
刘福潮	liufuchao	国网甘肃电力公司电力科学研究院

摘要点击次数: 1801

中文摘要:

考虑到电网实际运行过程中，负荷数据因各随机因素产生异常对负荷预测的准确性与负荷调度的有效性造成严重影响，提出一种自适应PFCM聚类算法以修正电力负荷异常数据。该算法首先利用新定义的PFCM聚类有效性指标函数与动态调节权重的PSO算法分别实现了负荷曲线最优聚类数目与聚类中心的自适应确定；然后利用改进的PFCM算法提取负荷特征曲线，实现了对负荷曲线的聚类；最后使用该方法对西北某市负荷数据进行聚类分析，并利用相关方法进行异常数据的识别与修正。验证性实验结果表明，改进算法样本距聚类中心的距离明显更小，且在相同异常值修正公式下，使用改进后算法聚类结果修正的异常值更接近于原始负荷数据，平均相对误差相比改进前降低1.99%。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭