k-means聚类算法在负荷曲线分类中的应用

被引:59
作者
刘莉 [1 ]
王刚 [1 ]
翟登辉 [2 ]
机构
[1] 沈阳工程学院
[2] 许继电气股份有限公司
关键词
状态估计; 数据挖掘; 不良数据检测和辨识;
D O I
暂无
中图分类号
TM714 [负荷分析]; TP311.13 [];
学科分类号
080802 ; 1201 ;
摘要
为了提高电力系统状态估计结果的准确性,利用k-means聚类算法并结合有效指数准则,提出了一种辨识系统不良数据的新方法。研究内容是以某一节点负荷数据为研究对象,运用数据挖掘中k-means聚类算法并结合有效指数准则提取出日负荷特征曲线,分别对输电网状态估计中的不良数据检测和辨识、配电网状态估计中的伪量测补充进行了研究。最终用Matlab编制算法程序并进行仿真分析,结果表明,此方法效果良好。
引用
收藏
页码:65 / 68+73 +73
页数:5
相关论文
共 5 条
[1]   基于粒子群进化算法的电力系统状态估计研究 [J].
闫丽梅 ;
张士元 ;
任伟建 ;
任爽 ;
薛晨光 .
电力系统保护与控制, 2010, 38 (22) :86-89+95
[2]   基于自动微分技术的电力系统状态估计算法 [J].
叶芳 ;
卫志农 ;
孙国强 ;
刘兵 .
电力系统保护与控制, 2010, 38 (17) :91-95+100
[3]   电力系统不良数据检测与辨识方法的现状与发展 [J].
刘莉 ;
翟登辉 ;
姜新丽 .
电力系统保护与控制, 2010, 38 (05) :143-147+152
[4]   电力系统状态估计中的不良数据辨识 [J].
李钊年 .
青海大学学报(自然科学版), 2001, (01) :49-51
[5]   状态估计中不良数据的混合检测辨识法 [J].
刘浩 .
电工技术杂志, 1999, (06) :18-21