【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。