摘要:负荷特性聚类是负荷建模的基础工作,精确的负荷特性分类对负荷建模十分重要.为适用于实际电网规划等对负荷分类精度要求更高的领域,针对负荷聚类时存在的聚类数目不确定、初始条件选择敏感的问题,提出了一种改进遗传算法的负荷特性分类新方法.该方法在遗传算法全局搜索能力的基础上,结合K均值聚类方法进行聚类分析,得到最优分类结果.同时,针对聚类中心敏感的问题,遗传算法中采用可变长编码方案进行优化,动态寻找最优聚类数目,确定最优聚类中心.实例分析结果表明,用改进遗传算法对负荷特性进行分类,能够有效避免初始条件对分类结果的影响,可以获得良好的分类效果.
关键词:遗传算法 均值算法 负荷特性分类 可变染色体长度 负荷建模
单位:四川大学电气信息学院 成都610065
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社