摘要：针对模糊C一均值聚类方法（fuzzyC．means，FCM）应用于机组分群时存在易收敛于局部最优值的问题，提出了改进的粒子群优化（particleswarmoptimization，PSO）的模糊C．均值聚类算法（PSO．FCM）用于机组分群的方法，并阐述了分群算法中关键参数的选取方法。为充分利用FCM多特征量分析的优点，同时引入了功角、角速度作为分群特征量，提出了利用同调性指标自适应确定分群数目的方法，分群时采用约1个摇摆周期的数据分析。理论分析和仿真结果表明，所提方法能够取得一致、稳定的分群结果，效果优于传统的模糊聚类方法。

关键词：粒子群优化 机组动态分群 同调性指标 

单位：武汉大学电气工程学院 湖北省武汉市430072