基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文首先介绍了FCM聚类算法相对于传统的K-means聚类算法、AP聚类的优势,并将FCM算法引入风电场多指标聚类中去.获取了东源风电场的详细模型数据及运行数据,借助Digsilent/Power factor软件搭建东源风电场模型并嵌入风速模型,根据风力发电机风速、风力机功率、故障结束0.4 s后的转子的转速作为三项聚类指标,对33台风机进行了聚类建模,并与详细模型进行了比较,验证了基于FCM聚类算法在处理风电场聚类问题上的优越性.
推荐文章
大型风电场动态等值的改进支持向量聚类算法
大型风电场
动态等值
支持向量聚类
遗传算法
分段多目标函数
采用动态灰聚类算法的风电场动态等值方法
动态灰关联分析
聚类算法
风电场
机群划分
动态等值
自适应细菌觅食的FCM聚类优化算法研究
FCM算法
自适应细菌觅食
聚类优化
算法评估
仿真实验
图像分割
基于MapRed uce的 FCM聚类集成算法
MapReduce
聚类集成
模糊C-均值
并行聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多指标FCM聚类算法在风电场聚类问题中的应用
来源期刊 山东电力技术 学科 工学
关键词 FCM聚类算法 多指标聚类 Digsilent/Power factory软件 风电场模型
年,卷(期) 2018,(2) 所属期刊栏目 电网技术
研究方向 页码范围 1-5,17
页数 6页 分类号 TM614|TM71
字数 3674字 语种 中文
DOI 10.3969/j.issn.1007-9904.2018.02.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘洪正 24 79 6.0 8.0
3 李广磊 国网山东省电力公司电力科学研究院 12 26 2.0 5.0
4 李观阳 2 3 1.0 1.0
10 孙毅 1 1 1.0 1.0
11 刘志敏 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (107)
共引文献  (145)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(8)
  • 参考文献(0)
  • 二级参考文献(8)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(13)
  • 参考文献(1)
  • 二级参考文献(12)
2008(14)
  • 参考文献(0)
  • 二级参考文献(14)
2009(20)
  • 参考文献(1)
  • 二级参考文献(19)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(8)
  • 参考文献(2)
  • 二级参考文献(6)
2012(9)
  • 参考文献(1)
  • 二级参考文献(8)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
FCM聚类算法
多指标聚类
Digsilent/Power factory软件
风电场模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
山东电力技术
月刊
1007-9904
37-1258/TM
大16开
山东省济南市市中区望岳路2000号
1974
chi
出版文献量(篇)
3636
总下载数(次)
15
总被引数(次)
9152
论文1v1指导