【技术实现步骤摘要】
基于有效指标FCM和RBF神经网络的变电站负荷特性分类方法
本专利技术涉及负荷建模
，具体涉及基于有效指标FCM和RBF神经网络的变电站负荷特性分类方法。
技术介绍
随着社会经济的不断发展和科学技术水平的不断提高，电网的规模不断扩大，电力系统结构日益复杂，对电力系统安全、稳定、可靠的运行提出了越来越高的要求，因此建立准确反映整个电网负荷的实时负荷模型显得十分重要。由于电力负荷在空间上表现出地域的分散性，在时间上表现出随机的时变性，所以为了准确反映负荷特性，需要建立大量复杂的综合负荷模型。但是如果同一电网所采用的综合负荷模型个数过于庞大，形式过于复杂，则在工程领域就很难具有实用价值。因此变电站的负荷特性分类是负荷模型走向实用化的重要手段之一，实现了模型的准确性和实用性的合理折中。基于变电站的负荷特性分类，对变电站的后期优化、制定电网调度计划、运行规划可靠性评估、提高设备的安全性和可靠性等方面具有重要意义。目前，变电站负荷特性的分类常用的方法有基于数理统计法、灰色关联聚类法、模糊C均值聚类法和神经网络法等。通过模糊聚类可以得到样本分属于各个类别的不确定性程度，更能客观反映现实世界；神经网络法能够以任意精度逼近任何非线性映射，可以用于描述变电站负荷特性的分类问题。
技术实现思路
本专利技术的目的在于:提供一种基于有效指标FCM和RBF神经网络的变电站负荷特性分类方法，将模糊聚类方法和神经网络方法相结合，实现对变电站负荷特性的分类，有效提高负荷建模的准确性，提高变电站负荷特性分类的准确率，保证电力系统安全稳定的运行，提高设备的安全性和可靠性。本专...
【技术保护点】
基于有效指标FCM和RBF神经网络的变电站负荷特性分类方法，其特征在于该方法包括以下步骤：1）选取变电站的负荷特性分类的特征向量，以变电站的负荷构成比作为变电站负荷特性分类的特征向量；2）将变电站负荷特性分类的特征向量进行一次聚类分析，即利用模糊聚类分析法求得不同聚类数目下的数据分类结果，把具有相似负荷特性的样本聚为一类；3）根据三种聚类评价指标函数求得所有数据分类的划分系数Vpc?、划分嫡Vpe?和Xie—Beni?有效性指标Vxb，综合比较不同聚类数目下的三种有效性指标的数值，确定最佳聚类数目，得到最佳聚类数目下的模糊隶属度矩阵和各类聚类中心；4）根据最佳聚类数目下的聚类结果以及类内距离最小原则，计算每一个聚类类别中的所有样本与本类别的聚类中心的距离，选取各类中与聚类中心距离最小的h个样本作为一组样本，通过设定与每一组样本相对应的类别号，形成训练样本集；5）采用RBF神经网络建立变电站负荷特性二次分类模型，利用形成的训练样本集对所述神经网络进行训练，输入数据为变电站的负荷构成比，输出数据为该样本所属的类别号，再利用训练好的神经网络对所有变电站负荷构成比样本进行分类，实现对变电站的负...
【技术特征摘要】
1.基于有效指标FCM和RBF神经网络的变电站负荷特性分类方法，其特征在于该方法包括以下步骤:1)选取变电站的负荷特性分类的特征向量，以变电站的负荷构成比作为变电站负荷特性分类的特征向量；2)将变电站负荷特性分类的特征向量进行一次聚类分析，即利用模糊聚类分析法求得不同聚类数目下的数据分类结果，把具有相似负荷特性的样本聚为一类；3)根据三种聚类评价指标函数求得所有数据分类的划分系数Vp。、划分嫡Vpe和Xie—Beni有效性指标Vxb，综合比较不同聚类数目下的三种有效性指标的数值，确定最佳聚类数目，得...
【专利技术属性】
技术研发人员：夏雪松，石旭初，罗坤，武春香，
申请(专利权)人：国家电网公司，江苏省电力公司淮安供电公司，江苏省电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。