典型文献
基于改进PSO-Kmeans算法的实际日负荷曲线聚类分析
文献摘要：
有效的实时用户日负荷曲线分类可为电网系统规划、负荷建模、负荷预测及需求侧管理等方面提供依据,同时为电网工作人员实现对负荷模型的判别提供帮助.为此提出一种基于改进PSO进化算法优化K-means的日负荷曲线用户行业分类方法.首先利用牛顿插值法对缺失数据进行填补,然后运用定值线性函数对数据归一化,最后采用权重线性递减及同步学习因子改进PSO解决算法易陷入局部最优解的问题,以优化K-means分类结果准确性.算例分析表明,PSO-Kmeans算法迭代能力强,具有全局寻优能力,且具有一定的鲁棒性,相较于传统K-means分类准确率高.
文献关键词：
日负荷曲线分类;牛顿插值法;定值线性函数归一化;PSO-Kmeans;全局寻优;鲁棒性分析
中图分类号：
作者姓名：
覃日升;况华;何鑫;段锐敏
作者机构：
云南电网有限责任公司电力科学研究院,云南 昆明650217;云南电网有限责任公司,云南 昆明650011
文献出处：
引用格式：
[1]覃日升;况华;何鑫;段锐敏-.基于改进PSO-Kmeans算法的实际日负荷曲线聚类分析)[J].电工技术,2022(11):1-6
A类：
定值线性函数归一化
B类：
PSO,Kmeans,日负荷曲线聚类,日负荷曲线分类,电网系统,系统规划,负荷建模,负荷预测,需求侧管理,负荷模型,进化算法,算法优化,行业分类,分类方法,牛顿插值法,缺失数据,数据归一化,用权,权重线性递减,学习因子,因子改进,决算法,局部最优解,结果准确性,算例分析,全局寻优,寻优能力,分类准确率,鲁棒性分析
AB值：
0.327424
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。
