钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
动力工程期刊
\
浙江电力期刊
\
基于自组织映射神经网络K-means聚类算法的风电场多机等值建模
基于自组织映射神经网络K-means聚类算法的风电场多机等值建模
作者:
侯玉强
赵凯
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
风电场
等值建模
SOM
K-means聚类
摘要:
为研究高比例风电接入对电网安全稳定性的影响,提出了基于SOM(自组织映射神经网络)K-means聚类的风电场多机等值建模方法.首先选取风电场运行时的有功功率、 无功功率、 机端电压、输出电流、 平均风速5种状态变量作为聚类算法的输入变量矩阵,通过基于SOM K-means聚类算法对变量矩阵进行处理,得到风电机组等值群数.然后用1台机组并联理想受控电流源的方法表征整个同群机组,得到风电机组的多机等值模型并进行仿真计算.最后通过与单机模型及详细模型在风速扰动和短路下的仿真曲线对比验证所提出的多机等值方法的有效性.
暂无资源
收藏
引用
分享
推荐文章
基于自组织中心K-means 算法的用户互动用电行为聚类分析
用户互动
自组织中心K-means算法
负荷数据
调节潜力指标
聚类分析
利用自组织特征映射神经网络和K-means聚类算法挖掘区域化探数据中的地质信息
区域化探
自组织特征映射
K-means
聚类分析
地质信息
数据挖掘
基于IGWO-K-means的风电场动态等值建模
风电场
分群指标
聚类
改进灰狼优化
动态等值
基于自组织映射的遗传聚类算法
遗传算法
自组织映射
聚类分析
超启发搜索
图像分割
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
基于自组织映射神经网络K-means聚类算法的风电场多机等值建模
来源期刊
浙江电力
学科
工学
关键词
风电场
等值建模
SOM
K-means聚类
年,卷(期)
2019,(8)
所属期刊栏目
电力系统
研究方向
页码范围
30-36
页数
7页
分类号
TM614
字数
4253字
语种
中文
DOI
10.19585/j.zjdl.201908005
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
侯玉强
8
52
5.0
7.0
2
赵凯
1
1
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(140)
共引文献
(126)
参考文献
(18)
节点文献
引证文献
(1)
同被引文献
(13)
二级引证文献
(0)
1994(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(4)
参考文献(0)
二级参考文献(4)
2000(2)
参考文献(0)
二级参考文献(2)
2001(1)
参考文献(0)
二级参考文献(1)
2002(2)
参考文献(0)
二级参考文献(2)
2003(2)
参考文献(0)
二级参考文献(2)
2004(5)
参考文献(0)
二级参考文献(5)
2005(4)
参考文献(0)
二级参考文献(4)
2006(6)
参考文献(0)
二级参考文献(6)
2007(10)
参考文献(0)
二级参考文献(10)
2008(10)
参考文献(0)
二级参考文献(10)
2009(11)
参考文献(0)
二级参考文献(11)
2010(18)
参考文献(1)
二级参考文献(17)
2011(6)
参考文献(1)
二级参考文献(5)
2012(13)
参考文献(2)
二级参考文献(11)
2013(11)
参考文献(3)
二级参考文献(8)
2014(8)
参考文献(0)
二级参考文献(8)
2015(9)
参考文献(1)
二级参考文献(8)
2016(14)
参考文献(1)
二级参考文献(13)
2017(8)
参考文献(1)
二级参考文献(7)
2018(11)
参考文献(7)
二级参考文献(4)
2019(1)
参考文献(1)
二级参考文献(0)
2019(1)
参考文献(1)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
2020(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
风电场
等值建模
SOM
K-means聚类
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
浙江电力
主办单位:
浙江省电力学会
浙江省电力试验研究院
出版周期:
月刊
ISSN:
1007-1881
CN:
33-1080/TM
开本:
大16开
出版地:
杭州朝晖八区华电弄1号
邮发代号:
创刊时间:
1979
语种:
chi
出版文献量(篇)
4305
总下载数(次)
6
总被引数(次)
16531
期刊文献
相关文献
1.
基于自组织中心K-means 算法的用户互动用电行为聚类分析
2.
利用自组织特征映射神经网络和K-means聚类算法挖掘区域化探数据中的地质信息
3.
基于IGWO-K-means的风电场动态等值建模
4.
基于自组织映射的遗传聚类算法
5.
一种基于SOM和K-means的文档聚类算法
6.
基于粗糙集和自组织神经网络的聚类方法
7.
基于样本自组织聚类的BP神经网络预测模型
8.
SOM+K-means两阶段聚类算法及其应用
9.
基于聚类算法的支持向量回归建模的新策略
10.
基于改进遗传KM聚类算法的风电场机群划分方法
11.
一种基于改进k-means的RBF神经网络学习方法
12.
基于自组织映射神经网络的电力用户负荷曲线聚类
13.
一种新的自组织神经网络算法
14.
基于潜在语义分析和自组织特征映射神经网络的文本聚类研究
15.
多指标FCM聚类算法在风电场聚类问题中的应用
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
浙江电力2022
浙江电力2021
浙江电力2020
浙江电力2019
浙江电力2018
浙江电力2017
浙江电力2016
浙江电力2015
浙江电力2014
浙江电力2013
浙江电力2012
浙江电力2011
浙江电力2010
浙江电力2009
浙江电力2008
浙江电力2007
浙江电力2006
浙江电力2005
浙江电力2004
浙江电力2003
浙江电力2002
浙江电力2001
浙江电力2000
浙江电力2019年第9期
浙江电力2019年第8期
浙江电力2019年第7期
浙江电力2019年第6期
浙江电力2019年第5期
浙江电力2019年第4期
浙江电力2019年第3期
浙江电力2019年第2期
浙江电力2019年第12期
浙江电力2019年第11期
浙江电力2019年第10期
浙江电力2019年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号