基于自适应 FCM和 LVQ神经网络的负荷特性分类.pdfVIP

电力系统及其 自动化 《电气 自动化)2014年第36卷 第5期 PowerSystem ＆Automation 基于 自适应 FCM和 LVQ神经网络的负荷特性分类 王 王司 (东南大学 电气工程学院，江苏 南京 210096) 摘 要：随着电网规模 日益扩大，电力负荷特性越来越多样化，精确的负荷特性分类对电力系统十分重要。基于 自适应FCM和LVQ神 经网络算法，提出了一种负荷特性分类方法，采用基于有效性指标函数FCM算法，产生最佳聚类数 目；根据聚类结果选择最靠 近每类中心的样本作为LVQ神经网络聚类的训练样本 ，训练学习矢量量化神经网络；通过训练好的神经网络实现对所有负荷 特性样本的分类。算例分析表明是有效的和优越的。 关键词：电力系统 ；负荷特性分类；模糊聚类 ；有效指标；LVQ神经网络 DOI：10．3969／j·issn．1000-3886．2014．05．020 [中图分类号]TM714 [文献标志码]A [文章编号]1000—3886(2014)05—0055—02 LoadCharacteristicClassification BasedOnSelf—adaptiveFCM andLVQ NeuraINetwork WANG Ke (ElectricalEngineeringCollegeofSoutheastUniversity，NanjingJiangsu210096，China) Abstract：Withtheincreasing scaleofpowergrid and moreand morediversifiedpowerload characteristics，accurateclassificationofload characteristicsbecomesveryimportantforelectricpowersystems．Basedonself-adaptiveFCM andLVQneuralnetworkalgorithm， thispaperpresentsamethodofrtheclassificationofloadcharacteristics，whichusestheFCM algorithm basedonthevalidityindex functiontogeneratetheoptimal numberofclusters；choosesthesamplesclosesttothecenterofevery clusteringcenteraccordingto theclusteringresultasthetrainingsamplesoftheLVQneuralnetworktolearnVQneuralnetwork．Thetrainedneuralnetworkisused torealizetheclassificationofallloadcharacteristics．Th eexampleanalysisindicatesthatmethodiseffectiveandsuperior． Keywords：powersystem；loadcharacteristicclassification；fuzzyclustering；effectiveindicator；LVQneuralnetwork 0 引 言 F(U，)=∑∑m2 (1) 电力负荷特性分类是指将同一电网中不同负荷特征相似的 归为一类，精确的负荷特性分类对制定电力系统发展规划 、提高 n )_[∑( ／ )一”] (2)