基于模糊聚类的电力负荷特性的分类与综合_李培强.pdfVIP

基于模糊聚类的电力负荷特性的分类与综合_李培强.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于模糊聚类的电力负荷特性的分类与综合_李培强.pdf

25 卷 24 期 中 国 电 机 工 程 学 报 Vol.25 No.24 Dec. 2005 2005 年12 月 Proceedings of the CSEE 2005 Chin.Soc.for Elec.Eng. 文章编号:0258-8013 (2005) 24-0073-06 中图分类号:TM711 文献标识码:A 学科分类号:47040 基于模糊聚类的电力负荷特性的分类与综合 1 1 2 2 李培强 ,李欣然 ,陈辉华 ,唐外文 ( 1. 南大学电气与信息工程学院,湖南省 长沙市410082;2. 南电力中心调度局, 南省 长沙市410007) THE CHARACTERISTICS CLASSIFICATION AND SYNTHESIS OF POWER LOAD BASED ON FUZZY CLUSTERING 1 1 2 2 LI Pei-qiang , LI Xin-ran , CHEN Hui-hua , TANG Wai-wen ( 1. Hunan University, College of Electrical And Information, Changsha 410082, Hunan Province, China ; 2. Hunan Province Dispatching Center, Changsha 410077, Hunan Province, China) ABSTRACT The article points out that the composition 法的聚类中心矩阵进行了比较分析。结果表明,两者都具有 proportion of aggregate load is the essential load characteristics. 良好的聚类综合能力;基于模糊 C 均值法的聚类能力明显 The authors clarified the signification of classification and 优于基于等价关系的聚类法,而且聚类结果更为合理有效。 synthesis for power load and proposed two classification 两种方法都成功地解决了负荷建模中变电站特性分类处理 approaches based-on fuzzy equivalent relation clustering and 的复杂性与主观性。 the fuzzy C means clustering. The latter can obtain the optimal clustering center and aggregate characteristics of load 关键词 电力系统;综合负荷;负荷特性;负荷建模;分类 synchronously. It arranged 48 power substations under 与综合;模糊聚类 categories using this two methods and gained the class 1 引言 synthesis characteristic. Analyzing the clustering central matrix of

文档评论(0)

xingkongwd + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档