改进自适应模糊C均值算法在负荷特性分类的应用  

An Improved Adaptive Fuzzy C-means Algorithm for Load Characteristics Classification

作　　者：曾博 张建华 丁蓝 董军[2] 

机构地区：[1]新能源电力系统国家重点实验室,华北电力大学,北京市102206 [2]华北电力大学经济与管理学院,北京市102206

出　　处：《电力系统自动化》2011年第12期42-46,共5页Automation of Electric Power Systems

基　　金：国家自然科学基金资助项目(70771039);教育部新世纪优秀人才支持计划资助项目(NCET-08-0771)~~

摘　　要：模糊C均值(FCM)算法是一种用于电力负荷特性分类的有效方法。针对传统FCM算法易陷入局部最优且对初始条件敏感的问题,文中提出了基于微分进化(DE)自适应优化的改进措施。相对于FCM算法的梯度最速下降寻优策略,改进算法利用DE多点随机并行搜索,对控制参数及非最优个体进行自适应调整,具有全局搜索能力强、鲁棒性高的特点。实际算例仿真表明,所述算法降低了负荷特性分类对初始值的依赖度,在不同聚类数目的条件下仍具有良好的性能,适用于实际电网滚动规划等对负荷特性分类精度要求更高的领域。Fuzzy C-means（FCM） algorithm is effective for the power load characteristics classification.Since FCM algorithm is prone to fall into a local optimum zone and sensitive to the initial values,an improved algorithm is proposed based on differential evolution（DE） adaptive optimization.The improved algorithm uses random parallel search of DE to replace steepest descent gradient of FCM,and integrates an adaptive adjusting strategy for control parameters and non-optimal individuals to achieve strong global searching ability and better robustness.The case study indicates that DE optimized adaptive FCM is capable of improving the validity of cluster results,reducing the dependence on the initial inputs and outperforming FCM under alternating cluster numbers,thus suitable for situations requiring higher accuracy of load characteristics classification.

关 键 词：负荷特性分类 微分进化算法 模糊C均值算法 自适应 电网规划运行 

分 类 号：TM714[电气工程—电力系统及自动化]