-
题名基于改进模糊C均值算法的电力负荷特性分类
被引量：35
- 1
-
-
作者
周开乐
杨善林
-
机构
合肥工业大学过程优化与智能决策教育部重点实验室
合肥工业大学管理学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2012年第22期58-63,共6页
-
基金
国家高技术研究发展计划(863计划)(2011AA05A116)
国家自然科学基金重点项目(71131002)~~
-
文摘
为了提高负荷分类的精确性和有效性,提出了将基于模拟退火遗传算法的模糊C均值(Simulated Annealing Genetic Algorithm Based Fuzzy C-Means,SAGA-FCM)算法用于电力系统负荷特性分类。SAGA-FCM算法以模糊C均值(Fuzzy C-Means,FCM)算法为基础,融合了模拟退火算法较强的局部搜索能力和遗传算法较强的全局搜索能力,克服了传统FCM算法对初始聚类中心敏感和容易陷入局部最优的问题。将其与系统聚类法、K均值(K-Means)算法和传统FCM算法分别用于电力系统负荷特性分类实验,对比分析表明了SAGA-FCM算法用于负荷特性分类的有效性和优越性。
-
关键词
负荷分类
saga-fcm算法
模糊C均值算法
聚类
-
Keywords
power load classification
saga-fcm algorithm
fuzzy C-means algorithm
clustering
-
分类号
TM714
[电气工程—电力系统及自动化]
-
-
题名基于SAGA-FCM算法的非侵入式负荷监测方法
被引量：6
- 2
-
-
作者
刘炜
谭兴
周克
马嘉伟
-
机构
贵州大学电气工程学院
贵州大学明德学院
-
出处
《现代电子技术》
北大核心
2019年第23期72-76,共5页
-
基金
国家自然科学基金资助项目(51567005)~~
-
文摘
针对现有的非侵入式负荷监测(NILM)方法对小功率设备识别准确率不够,以及监测数据量过大时,准确率下降严重等问题,提出一种新颖的非侵入负荷监测方法。该方法以模糊C均值聚类算法(FCM)为基础,采用差量特征提取法提取任意时刻的特征变化值,引入模拟退火算法(SA)和遗传算法(GA)对聚类过程进行优化,实现了多类型电器负荷的聚类识别。实验数据表明,随着监测数据量的增加,该方法最终目标函数始终小且稳定,具有较好的稳定性和可靠性,适用于NILM大数据监测环境,采用谐波特征后识别准确率有一定的提升。
-
关键词
监测方法
非侵入负荷监测
差量特征提取
聚类过程优化
saga-fcm算法
聚类识别
-
Keywords
monitoring method
non-intrusive load monitoring
delta feature extraction
clustering process optimization
saga-fcm algorithm
clustering recognition
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TM714
[电子电信—信息与通信工程]
-
