計(jì)量通信技術(shù)的發(fā)展使收集的用戶負(fù)荷信息越來(lái)越準(zhǔn)確,從而提供了負(fù)荷用電特性聚類分析的數(shù)據(jù)基礎(chǔ)。為了解決電力負(fù)荷聚類應(yīng)用場(chǎng)景中需要聚類結(jié)果與典型負(fù)荷類別盡可能相似的問(wèn)題,以蟻群聚類算法為基礎(chǔ),采用典型負(fù)荷曲線作為先驗(yàn)信息,將評(píng)估聚類效果的指標(biāo)和聚類中心與典型負(fù)荷曲線的距離2個(gè)因素構(gòu)成優(yōu)度指標(biāo)來(lái)代替?zhèn)鹘y(tǒng)的均方誤差,以此來(lái)更新信息素矩陣,設(shè)計(jì)了一種基于改進(jìn)蟻群聚類的半監(jiān)督聚類算法。通過(guò)某省工業(yè)用戶2017年的日負(fù)荷數(shù)據(jù)分析驗(yàn)證了聚類結(jié)果不僅向原有的標(biāo)識(shí)樣本類型靠近,而且兼顧同類型樣本差異小、不同類型樣本差異大,具有良好的聚類效果。 

【文章來(lái)源】：電力建設(shè). 2020,41(10)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

改進(jìn)蟻群聚類算法計(jì)算步驟

由圖2和圖3可以看出，對(duì)于4種改進(jìn)蟻群聚類算法，螞蟻數(shù)量幾乎對(duì)聚類結(jié)果沒(méi)有影響;4種算法的SI指標(biāo)隨著聚類數(shù)量的增多而變大，DBI指標(biāo)隨著聚類數(shù)量的變化基本不變。圖3 不同聚類數(shù)量和螞蟻數(shù)量下改進(jìn)蟻群聚類算法的DBI指標(biāo)

不同聚類數(shù)量和螞蟻數(shù)量下改進(jìn)蟻群聚類算法的DBI指標(biāo)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)特征圖聚類的人臉表情識(shí)別[J]. 劉全明,辛陽(yáng)陽(yáng).  計(jì)算技術(shù)與自動(dòng)化. 2020(01)
[2]基于混沌類電磁算法優(yōu)化支持向量機(jī)的短期負(fù)荷預(yù)測(cè)[J]. 王茜,李皓然,王新娜,張媛媛.  計(jì)算技術(shù)與自動(dòng)化. 2019(04)
[3]基于離散小波變換和模糊K-modes的負(fù)荷聚類算法[J]. 張江林,張亞超,洪居華,高紅均,劉俊勇.  電力自動(dòng)化設(shè)備. 2019(02)
[4]基于信息熵分段聚合近似和譜聚類的負(fù)荷分類方法[J]. 林順富,田二偉,符楊,湯曉棟,李東東,王群京.  中國(guó)電機(jī)工程學(xué)報(bào). 2017(08)
[5]一種新的半監(jiān)督入侵檢測(cè)方法[J]. 梁辰,李成海.  計(jì)算機(jī)科學(xué). 2016(05)
[6]基于聚類分析的客戶用電模式智能識(shí)別方法[J]. 彭顯剛,賴家文,陳奕.  電力系統(tǒng)保護(hù)與控制. 2014(19)
[7]基于強(qiáng)類別特征近鄰傳播的半監(jiān)督文本聚類[J]. 文翰,肖南峰.  模式識(shí)別與人工智能. 2014(07)
[8]計(jì)及需求響應(yīng)的多維度用電特征精細(xì)挖掘[J]. 宗柳,李揚(yáng),王蓓蓓.  電力系統(tǒng)自動(dòng)化. 2012(20)
[9]k-means聚類算法在負(fù)荷曲線分類中的應(yīng)用[J]. 劉莉,王剛,翟登輝.  電力系統(tǒng)保護(hù)與控制. 2011(23)
[10]改進(jìn)FCM算法及其在電力負(fù)荷壞數(shù)據(jù)處理的應(yīng)用[J]. 蔣雯倩,李欣然,錢(qián)軍.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2011(05)

博士論文
[1]半監(jiān)督聚類算法研究及植物葉片識(shí)別應(yīng)用[D]. 李龍龍.西北農(nóng)林科技大學(xué) 2017

碩士論文
[1]魯棒半監(jiān)督模糊聚類分割算法研究[D]. 李亞文.西安郵電大學(xué) 2018
[2]基于負(fù)荷量測(cè)數(shù)據(jù)的電力負(fù)荷聚類方法研究[D]. 程祥.浙江大學(xué) 2017
[3]基于約束的半監(jiān)督聚類的圖像分割算法研究[D]. 李巧蘭.西安電子科技大學(xué) 2014



本文編號(hào)：3347645