基于自适应PFCM聚类的电力负荷数据预处理

• 作者: 刘福潮 张春燕 王维洲 裴婷婷 郝晓弘
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 异常值 负荷预处理 可能性模糊C均值 粒子群算法
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 40-46
• 页数: 7页
• 分类号: TM714
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.21.006

摘要

考虑到电网实际运行过程中,负荷数据因随机因素产生异常,对负荷预测的准确性以及负荷调度的有效性造成严重影响,提出一种自适应可能性模糊C均值(Possible Fuzzy C-Means,PFCM)聚类算法以修正电力负荷异常数据.该算法利用新定义的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;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;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.实验结果表明,改进算法样本点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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝晓弘		187	996	15.0	21.0
2	裴婷婷		5	3	1.0	1.0
3	张春燕		5	74	3.0	5.0
4	王维洲		1	0	0.0	0.0
5	刘福潮		1	0	0.0	0.0