典型文献
基于爬山—蚁群—FCM模糊聚类的不良负荷数据辨识
文献摘要：
针对电力负荷数据存在不良数据的问题,本文提出一种基于爬山-蚁群-FCM模糊聚类算法的不良负荷数据辨识及修正方法,将启发式算法与元启发式算法结合,克服搜索算法容易陷入局部最优的缺陷.以爬山算法为蚁群算法提供初始解,由蚁群算法为FCM模糊聚类算法提供聚类数目和聚类中心,克服传统聚类算法选取聚类数据和聚类中心的偶然性.根据FCM模糊聚类结果计算特征曲线和可行域上下限,辨识不良负荷数据,并对不良负荷数据采用插值法进行数据修正.算例结果表明,本文方法可以有效实现不良负荷数据辨识功能,在模型的准确性上相比单一搜索算法更优,具有较高的准确性和鲁棒性,有助于提升电网数据质量,为负荷数据辨识乃至其他电力数据辨识等领域提供了一种研究思路.
文献关键词：
数据辨识;不良负荷;蚁群算法;爬山算法;聚类
中图分类号：
作者姓名：
甘迪;金岩磊;葛立青;郭鑫溢
作者机构：
南京南瑞继保电气有限公司,江苏南京211100
文献出处：
引用格式：
[1]甘迪;金岩磊;葛立青;郭鑫溢-.基于爬山—蚁群—FCM模糊聚类的不良负荷数据辨识)[J].电力大数据,2022(01):1-8
A类：
不良负荷
B类：
FCM,负荷数据,数据辨识,电力负荷,不良数据,模糊聚类算法,修正方法,元启发式算法,搜索算法,局部最优,爬山算法,蚁群算法,初始解,聚类数,聚类中心,偶然性,结果计算,可行域,下限,插值法,数据修正,电网数据,数据质量,电力数据
AB值：
0.24328
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
