密度梯度聚类算法在负荷动特性聚类中的应用 application of data mining based on density gradient in load dynamic characteristic aggregate.pdfVIP

下载本文档

2
0
约2.38万字
约 7页
2017-08-13 发布于上海
举报
版权申诉

密度梯度聚类算法在负荷动特性聚类中的应用 application of data mining based on density gradient in load dynamic characteristic aggregate.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

密度梯度聚类算法在负荷动特性聚类中的应用 application of data mining based on density gradient in load dynamic characteristic aggregate

第22卷第2期电力系统及其自动化学报 V01．22No．2 oftheCSU-EPSA Apr． 2010 2010年4月 Proceedings 密度梯度聚类算法在负荷动特性聚类中的应用杨政1，李欣然1，陈辉华2，宋军英2 (1．湖南大学电气与信息工程学院，长沙410082； 2．湖南省电力公司电力调度通信局，长沙410007) 摘要：文中提出将基于数据挖掘原理的密度梯度聚类算法应用于电力系统负荷动特性的聚类。通过计算实测响应空间各样本间的密度分布，得到原始聚类中心，再利用类与类之间边界点的分布情况进行合并，从而达到负荷动特性分类。聚类中心在分类过程中产生，以此聚类中心作为该类的等效样本，对其进行参数辨识即可得到同类负荷特性的通用负荷模型。分类和综合在同一过程中完成，具有快速简便的优点。对某一变电站现场采集的负荷特性数据进行聚类应用，结果表明该方法具有良好的聚类效果。关键词：电力负荷建模；数据挖掘；实测响应空间；负荷动特性聚类；密度梯度中图分类号：TM714文献标志码：A 文章编号：1003-8930(2010)02-0041—07 ofData Basedon Gradient ApplicationMining Density inLoad Characteristic Dynamic Aggregate YANG Xin—ranl，CHENHui—hua2，SONG Zhen91，LI Jun—yin92 ofElectricalandInformation 410082，China； (1．College Engineering，Changsha 2．HunanPower 410007，China) DispatchingCenter，Changsha for Abstract：Thisarticle a methodbasedondata load presentsdensitygradientclustering mining dynamic characteristics the ofmeasured data andits aggregate．Bycalculatingdensity responsespacesample neighbors， of combinationis tOthedistributionofborder the centersclustersisobtained；then completedaccording original between center inthe istakenas sam— points clusters．Clusteringappearsclassifyingprocess，whichequivalent the loadmodelof