CN106548252A - 基于改进K‑means聚类的配电网网架构建系统 - Google Patents
基于改进K‑means聚类的配电网网架构建系统 Download PDFInfo
- Publication number
- CN106548252A CN106548252A CN201610964176.8A CN201610964176A CN106548252A CN 106548252 A CN106548252 A CN 106548252A CN 201610964176 A CN201610964176 A CN 201610964176A CN 106548252 A CN106548252 A CN 106548252A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- subregion
- load
- clusters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 189
- 238000003860 storage Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000013480 data collection Methods 0.000 claims description 20
- 238000004140 cleaning Methods 0.000 claims description 12
- 230000001174 ascending effect Effects 0.000 claims description 7
- 238000005201 scrubbing Methods 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 8
- 238000005070 sampling Methods 0.000 abstract description 7
- 230000009466 transformation Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了基于改进K‑means聚类的配电网网架构建系统,包括依次连接的数据集储模块、数据预处理模块、负荷节点分区划分模块、配电网主干网架构建模块、配电网分支网架构建模块;其中所述负荷节点分区划分模块根据数据预处理模块预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K‑means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点。本发明构建的配电网网架层次结构简单,易于管理、费用较低;基于改进K‑means聚类对配电网中所有负荷节点进行分区划分,有效避免单一采取随机抽样方法所带来的偶然性,提高了聚类稳定性,进一步提高了系统的可靠度。
Description
技术领域
本发明涉及移动互联网技术领域,具体涉及基于改进K-means聚类的配电网网架构建系统。
背景技术
相关技术中,城市配电网正处于高速发展阶段,作为电力网络中最接近用户的部分,需要对配电网进行科学的优化规划,以期保证电网结构的合理性和运行的安全性、经济性,提高配电网供电质量。
发明内容
针对上述问题,本发明提供基于改进K-means聚类的配电网网架构建系统。
本发明的目的采用以下技术方案来实现:
基于改进K-means聚类的配电网网架构建系统,包括依次连接的数据集储模块、数据预处理模块、负荷节点分区划分模块、配电网主干网架构建模块、配电网分支网架构建模块;所述数据集储模块用于采集并存储配电网相关数据,所述配电网相关数据包括配电网中所有负荷节点的电力需求量、所有负荷节点的地理位置和主干网架单条线路的容量;所述数据预处理模块用于对所述配电网相关数据进行数据清理和清洗,过滤掉包含噪音和异常的数据;所述负荷节点分区划分模块根据数据预处理模块预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K-means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点;所述配电网主干网架构建模块用于将所述每个分区内的等效负荷节点与变电站进行有效连接,构建成配电网主干网架;所述配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,构建配电网分支网架。
其中,所述最短距离原则为:与等效负荷节点直接连接的负荷节点,与等效负荷节点之间的距离小于与其他负荷节点之间的距离;不与等效负荷节点直接连接的负荷节点,连接与其距离最近的负荷节。
优选地,所述数据集储模块包括通过专有的数据采集设备链接程序开发的采集设备。
其中,所述基于改进K-means聚类对配电网中所有负荷节点进行分区划分,具体为:
1)将配电网中所有负荷节点作为一个有效数据集,将所述有效数据集随机划分为n个样本,对n个样本进行向量化,通过夹角余弦函数计算所有样本两两之间的相似度,得到相似度矩阵XS;
2)对相似度矩阵XS的每一行进行求和,计算出每一个样本与整个有效数据集的相似度,设XS=[sim(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心,T为设定的比例值;
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列,假设前k-1个最小的元素为XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心,其中所述k值等于配电网待分区的数目;
5)计算剩余样本与各初始的聚簇中心之间的相似度,将剩余样本分发到相似度最高的聚簇中,形成变化后的k个聚簇;
6)计算变化后的聚簇中各样本的均值,将其作为更新后的聚簇中心代替更新前的聚簇中心;
7)若更新前的聚簇中心与更新后的聚簇中心相同,或者目标函数达到了最小值,停止更新,所述目标函数为:
其中,Cl表示k个聚簇中的第l个聚簇,ax为第l个聚簇中的样本,为第l个聚簇的中心。
其中,所述设定的比例值T的取值范围为[1.45,1.55]。
本发明的有益效果为:
1、将配电网中的负荷节点进行分区后,通过配电网中变电站和获得的等效负荷点进行配电网主干网架的构建,再对分区中的负荷节点进行连接来完成整个配电网网架的构建,层次结构简单,构建的配电网网架易于管理;
2、基于改进K-means聚类对配电网中所有负荷节点进行分区划分,有效避免单一采取随机抽样方法所带来的偶然性,提高了聚类稳定性,进一步提高了系统的可靠度;
3、配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,节省了费用,且采用分区理念可降低变电站出线端的载流量,选取性价比更优的线路。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的原理示意图;
图2是本发明各模块的连接示意图。
附图标记:
数据集储模块1、数据预处理模块2、负荷节点分区划分模块3、配电网主干网架构建模块4、配电网分支网架构建模块5。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1
参见图1、图2,本实施例基于改进K-means聚类的配电网网架构建系统,包括依次连接的数据集储模块1、数据预处理模块2、负荷节点分区划分模块3、配电网主干网架构建模块4、配电网分支网架构建模块5;所述数据集储模块1用于采集并存储配电网相关数据,所述配电网相关数据包括配电网中所有负荷节点的电力需求量、所有负荷节点的地理位置和主干网架单条线路的容量;所述数据预处理模块2用于对所述配电网相关数据进行数据清理和清洗,过滤掉包含噪音和异常的数据;所述负荷节点分区划分模块3根据数据预处理模块2预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K-means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点;所述配电网主干网架构建模块4用于将所述每个分区内的等效负荷节点与变电站进行有效连接,构建成配电网主干网架;所述配电网分支网架构建模块5用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,构建配电网分支网架。
其中,所述最短距离原则为:与等效负荷节点直接连接的负荷节点,与等效负荷节点之间的距离小于与其他负荷节点之间的距离;不与等效负荷节点直接连接的负荷节点,连接与其距离最近的负荷节。
优选地,所述数据集储模块1包括通过专有的数据采集设备链接程序开发的采集设备。
其中,所述基于改进K-means聚类对配电网中所有负荷节点进行分区划分,具体为:
1)将配电网中所有负荷节点作为一个有效数据集,将所述有效数据集随机划分为n个样本,对n个样本进行向量化,通过夹角余弦函数计算所有样本两两之间的相似度,得到相似度矩阵XS;
2)对相似度矩阵XS的每一行进行求和,计算出每一个样本与整个有效数据集的相似度,设XS=[sim(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心,T为设定的比例值;
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列,假设前k-1个最小的元素为XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心,其中所述k值等于配电网待分区的数目;
5)计算剩余样本与各初始的聚簇中心之间的相似度,将剩余样本分发到相似度最高的聚簇中,形成变化后的k个聚簇;
6)计算变化后的聚簇中各样本的均值,将其作为更新后的聚簇中心代替更新前的聚簇中心;
7)若更新前的聚簇中心与更新后的聚簇中心相同,或者目标函数达到了最小值,停止更新,所述目标函数为:
其中,Cl表示k个聚簇中的第l个聚簇,ax为第l个聚簇中的样本,为第l个聚簇的中心。
其中,所述设定的比例值T的取值范围为[1.45,1.55]。
本实施例将配电网中的负荷节点进行分区后,通过配电网中变电站和获得的等效负荷点进行配电网主干网架的构建,再对分区中的负荷节点进行连接来完成整个配电网网架的构建,层次结构简单,构建的配电网网架易于管理;配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,节省了费用,且采用分区理念可降低变电站出线端的载流量,选取性价比更优的线路;基于改进K-means聚类对配电网中所有负荷节点进行分区划分,有效避免单一采取随机抽样方法所带来的偶然性,提高了聚类稳定性,进一步提高了系统的可靠度,其中T=1.45,系统可靠度相对提高了5%。
实施例2
参见图1、图2,本实施例基于改进K-means聚类的配电网网架构建系统,包括依次连接的数据集储模块1、数据预处理模块2、负荷节点分区划分模块3、配电网主干网架构建模块4、配电网分支网架构建模块5;所述数据集储模块1用于采集并存储配电网相关数据,所述配电网相关数据包括配电网中所有负荷节点的电力需求量、所有负荷节点的地理位置和主干网架单条线路的容量;所述数据预处理模块2用于对所述配电网相关数据进行数据清理和清洗,过滤掉包含噪音和异常的数据;所述负荷节点分区划分模块3根据数据预处理模块2预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K-means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点;所述配电网主干网架构建模块4用于将所述每个分区内的等效负荷节点与变电站进行有效连接,构建成配电网主干网架;所述配电网分支网架构建模块5用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,构建配电网分支网架。
其中,所述最短距离原则为:与等效负荷节点直接连接的负荷节点,与等效负荷节点之间的距离小于与其他负荷节点之间的距离;不与等效负荷节点直接连接的负荷节点,连接与其距离最近的负荷节。
优选地,所述数据集储模块1包括通过专有的数据采集设备链接程序开发的采集设备。
其中,所述基于改进K-means聚类对配电网中所有负荷节点进行分区划分,具体为:
1)将配电网中所有负荷节点作为一个有效数据集,将所述有效数据集随机划分为n个样本,对n个样本进行向量化,通过夹角余弦函数计算所有样本两两之间的相似度,得到相似度矩阵XS;
2)对相似度矩阵XS的每一行进行求和,计算出每一个样本与整个有效数据集的相似度,设XS=[sim(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心,T为设定的比例值;
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列,假设前k-1个最小的元素为XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心,其中所述k值等于配电网待分区的数目;
5)计算剩余样本与各初始的聚簇中心之间的相似度,将剩余样本分发到相似度最高的聚簇中,形成变化后的k个聚簇;
6)计算变化后的聚簇中各样本的均值,将其作为更新后的聚簇中心代替更新前的聚簇中心;
7)若更新前的聚簇中心与更新后的聚簇中心相同,或者目标函数达到了最小值,停止更新,所述目标函数为:
其中,Cl表示k个聚簇中的第l个聚簇,ax为第l个聚簇中的样本,为第l个聚簇的中心。
其中,所述设定的比例值T的取值范围为[1.45,1.55]。
本实施例将配电网中的负荷节点进行分区后,通过配电网中变电站和获得的等效负荷点进行配电网主干网架的构建,再对分区中的负荷节点进行连接来完成整个配电网网架的构建,层次结构简单,构建的配电网网架易于管理;配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,节省了费用,且采用分区理念可降低变电站出线端的载流量,选取性价比更优的线路;基于改进K-means聚类对配电网中所有负荷节点进行分区划分,有效避免单一采取随机抽样方法所带来的偶然性,提高了聚类稳定性,进一步提高了系统的可靠度,其中T=1.48,系统可靠度相对提高了4.8%。
实施例3
参见图1、图2,本实施例基于改进K-means聚类的配电网网架构建系统,包括依次连接的数据集储模块1、数据预处理模块2、负荷节点分区划分模块3、配电网主干网架构建模块4、配电网分支网架构建模块5;所述数据集储模块1用于采集并存储配电网相关数据,所述配电网相关数据包括配电网中所有负荷节点的电力需求量、所有负荷节点的地理位置和主干网架单条线路的容量;所述数据预处理模块2用于对所述配电网相关数据进行数据清理和清洗,过滤掉包含噪音和异常的数据;所述负荷节点分区划分模块3根据数据预处理模块2预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K-means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点;所述配电网主干网架构建模块4用于将所述每个分区内的等效负荷节点与变电站进行有效连接,构建成配电网主干网架;所述配电网分支网架构建模块5用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,构建配电网分支网架。
其中,所述最短距离原则为:与等效负荷节点直接连接的负荷节点,与等效负荷节点之间的距离小于与其他负荷节点之间的距离;不与等效负荷节点直接连接的负荷节点,连接与其距离最近的负荷节。
优选地,所述数据集储模块1包括通过专有的数据采集设备链接程序开发的采集设备。
其中,所述基于改进K-means聚类对配电网中所有负荷节点进行分区划分,具体为:
1)将配电网中所有负荷节点作为一个有效数据集,将所述有效数据集随机划分为n个样本,对n个样本进行向量化,通过夹角余弦函数计算所有样本两两之间的相似度,得到相似度矩阵XS;
2)对相似度矩阵XS的每一行进行求和,计算出每一个样本与整个有效数据集的相似度,设XS=[sim(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心,T为设定的比例值;
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列,假设前k-1个最小的元素为XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心,其中所述k值等于配电网待分区的数目;
5)计算剩余样本与各初始的聚簇中心之间的相似度,将剩余样本分发到相似度最高的聚簇中,形成变化后的k个聚簇;
6)计算变化后的聚簇中各样本的均值,将其作为更新后的聚簇中心代替更新前的聚簇中心;
7)若更新前的聚簇中心与更新后的聚簇中心相同,或者目标函数达到了最小值,停止更新,所述目标函数为:
其中,Cl表示k个聚簇中的第l个聚簇,ax为第l个聚簇中的样本,为第l个聚簇的中心。
其中,所述设定的比例值T的取值范围为[1.45,1.55]。
本实施例将配电网中的负荷节点进行分区后,通过配电网中变电站和获得的等效负荷点进行配电网主干网架的构建,再对分区中的负荷节点进行连接来完成整个配电网网架的构建,层次结构简单,构建的配电网网架易于管理;配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,节省了费用,且采用分区理念可降低变电站出线端的载流量,选取性价比更优的线路;基于改进K-means聚类对配电网中所有负荷节点进行分区划分,有效避免单一采取随机抽样方法所带来的偶然性,提高了聚类稳定性,进一步提高了系统的可靠度,其中T=1.50,系统可靠度相对提高了5%。
实施例4
参见图1、图2,本实施例基于改进K-means聚类的配电网网架构建系统,包括依次连接的数据集储模块1、数据预处理模块2、负荷节点分区划分模块3、配电网主干网架构建模块4、配电网分支网架构建模块5;所述数据集储模块1用于采集并存储配电网相关数据,所述配电网相关数据包括配电网中所有负荷节点的电力需求量、所有负荷节点的地理位置和主干网架单条线路的容量;所述数据预处理模块2用于对所述配电网相关数据进行数据清理和清洗,过滤掉包含噪音和异常的数据;所述负荷节点分区划分模块3根据数据预处理模块2预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K-means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点;所述配电网主干网架构建模块4用于将所述每个分区内的等效负荷节点与变电站进行有效连接,构建成配电网主干网架;所述配电网分支网架构建模块5用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,构建配电网分支网架。
其中,所述最短距离原则为:与等效负荷节点直接连接的负荷节点,与等效负荷节点之间的距离小于与其他负荷节点之间的距离;不与等效负荷节点直接连接的负荷节点,连接与其距离最近的负荷节。
优选地,所述数据集储模块1包括通过专有的数据采集设备链接程序开发的采集设备。
其中,所述基于改进K-means聚类对配电网中所有负荷节点进行分区划分,具体为:
1)将配电网中所有负荷节点作为一个有效数据集,将所述有效数据集随机划分为n个样本,对n个样本进行向量化,通过夹角余弦函数计算所有样本两两之间的相似度,得到相似度矩阵XS;
2)对相似度矩阵XS的每一行进行求和,计算出每一个样本与整个有效数据集的相似度,设XS=[sim(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心,T为设定的比例值;
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列,假设前k-1个最小的元素为XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心,其中所述k值等于配电网待分区的数目;
5)计算剩余样本与各初始的聚簇中心之间的相似度,将剩余样本分发到相似度最高的聚簇中,形成变化后的k个聚簇;
6)计算变化后的聚簇中各样本的均值,将其作为更新后的聚簇中心代替更新前的聚簇中心;
7)若更新前的聚簇中心与更新后的聚簇中心相同,或者目标函数达到了最小值,停止更新,所述目标函数为:
其中,Cl表示k个聚簇中的第l个聚簇,ax为第l个聚簇中的样本,为第l个聚簇的中心。
其中,所述设定的比例值T的取值范围为[1.45,1.55]。
本实施例将配电网中的负荷节点进行分区后,通过配电网中变电站和获得的等效负荷点进行配电网主干网架的构建,再对分区中的负荷节点进行连接来完成整个配电网网架的构建,层次结构简单,构建的配电网网架易于管理;配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,节省了费用,且采用分区理念可降低变电站出线端的载流量,选取性价比更优的线路;基于改进K-means聚类对配电网中所有负荷节点进行分区划分,有效避免单一采取随机抽样方法所带来的偶然性,提高了聚类稳定性,进一步提高了系统的可靠度,其中T=1.52,系统可靠度相对提高了4.8%。
实施例5
参见图1、图2,本实施例基于改进K-means聚类的配电网网架构建系统,包括依次连接的数据集储模块1、数据预处理模块2、负荷节点分区划分模块3、配电网主干网架构建模块4、配电网分支网架构建模块5;所述数据集储模块1用于采集并存储配电网相关数据,所述配电网相关数据包括配电网中所有负荷节点的电力需求量、所有负荷节点的地理位置和主干网架单条线路的容量;所述数据预处理模块2用于对所述配电网相关数据进行数据清理和清洗,过滤掉包含噪音和异常的数据;所述负荷节点分区划分模块3根据数据预处理模块2预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K-means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点;所述配电网主干网架构建模块4用于将所述每个分区内的等效负荷节点与变电站进行有效连接,构建成配电网主干网架;所述配电网分支网架构建模块5用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,构建配电网分支网架。
其中,所述最短距离原则为:与等效负荷节点直接连接的负荷节点,与等效负荷节点之间的距离小于与其他负荷节点之间的距离;不与等效负荷节点直接连接的负荷节点,连接与其距离最近的负荷节。
优选地,所述数据集储模块1包括通过专有的数据采集设备链接程序开发的采集设备。
其中,所述基于改进K-means聚类对配电网中所有负荷节点进行分区划分,具体为:
1)将配电网中所有负荷节点作为一个有效数据集,将所述有效数据集随机划分为n个样本,对n个样本进行向量化,通过夹角余弦函数计算所有样本两两之间的相似度,得到相似度矩阵XS;
2)对相似度矩阵XS的每一行进行求和,计算出每一个样本与整个有效数据集的相似度,设XS=[sim(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心,T为设定的比例值;
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列,假设前k-1个最小的元素为XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心,其中所述k值等于配电网待分区的数目;
5)计算剩余样本与各初始的聚簇中心之间的相似度,将剩余样本分发到相似度最高的聚簇中,形成变化后的k个聚簇;
6)计算变化后的聚簇中各样本的均值,将其作为更新后的聚簇中心代替更新前的聚簇中心;
7)若更新前的聚簇中心与更新后的聚簇中心相同,或者目标函数达到了最小值,停止更新,所述目标函数为:
其中,Cl表示k个聚簇中的第l个聚簇,ax为第l个聚簇中的样本,为第l个聚簇的中心。
其中,所述设定的比例值T的取值范围为[1.45,1.55]。
本实施例将配电网中的负荷节点进行分区后,通过配电网中变电站和获得的等效负荷点进行配电网主干网架的构建,再对分区中的负荷节点进行连接来完成整个配电网网架的构建,层次结构简单,构建的配电网网架易于管理;配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,节省了费用,且采用分区理念可降低变电站出线端的载流量,选取性价比更优的线路;基于改进K-means聚类对配电网中所有负荷节点进行分区划分,有效避免单一采取随机抽样方法所带来的偶然性,提高了聚类稳定性,进一步提高了系统的可靠度,其中T=1.55,系统可靠度相对提高了4.7%。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.基于改进K-means聚类的配电网网架构建系统,其特征在于,包括依次连接的数据集储模块、数据预处理模块、负荷节点分区划分模块、配电网主干网架构建模块、配电网分支网架构建模块;所述数据集储模块用于采集并存储配电网相关数据,所述配电网相关数据包括配电网中所有负荷节点的电力需求量、所有负荷节点的地理位置和主干网架单条线路的容量;所述数据预处理模块用于对所述配电网相关数据进行数据清理和清洗,过滤掉包含噪音和异常的数据;所述负荷节点分区划分模块根据数据预处理模块预处理后的配电网相关数据计算配电网待分区的数目,并根据配电网待分区的数目,基于改进K-means聚类对配电网中所有负荷节点进行分区划分,并获取每个分区内的等效负荷节点;所述配电网主干网架构建模块用于将所述每个分区内的等效负荷节点与变电站进行有效连接,构建成配电网主干网架;所述配电网分支网架构建模块用于基于最短距离原则,将每个分区内的负荷节点和等效负荷节点进行有效连接,构建配电网分支网架。
2.根据权利要求1所述的基于改进K-means聚类的配电网网架构建系统,其特征在于,所述最短距离原则为:与等效负荷节点直接连接的负荷节点,与等效负荷节点之间的距离小于与其他负荷节点之间的距离;不与等效负荷节点直接连接的负荷节点,连接与其距离最近的负荷节。
3.根据权利要求1所述的基于改进K-means聚类的配电网网架构建系统,其特征在于,所述数据集储模块包括通过专有的数据采集设备链接程序开发的采集设备。
4.根据权利要求1所述的基于改进K-means聚类的配电网网架构建系统,其特征在于,所述基于改进K-means聚类对配电网中所有负荷节点进行分区划分,具体为:
1)将配电网中所有负荷节点作为一个有效数据集,将所述有效数据集随机划分为n个样本,对n个样本进行向量化,通过夹角余弦函数计算所有样本两两之间的相似度,得到相似度矩阵XS;
2)对相似度矩阵XS的每一行进行求和,计算出每一个样本与整个有效数据集的相似度,设XS=[sim(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心,T为设定的比例值;
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列,假设前k-1个最小的元素为XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心,其中所述k值等于配电网待分区的数目;
5)计算剩余样本与各初始的聚簇中心之间的相似度,将剩余样本分发到相似度最高的聚簇中,形成变化后的k个聚簇;
6)计算变化后的聚簇中各样本的均值,将其作为更新后的聚簇中心代替更新前的聚簇中心;
7)若更新前的聚簇中心与更新后的聚簇中心相同,或者目标函数达到了最小值,停止更新,所述目标函数为:
其中,Cl表示k个聚簇中的第l个聚簇,ax为第l个聚簇中的样本,为第l个聚簇的中心。
5.根据权利要求4所述的基于改进K-means聚类的配电网网架构建系统,其特征在于,所述设定的比例值T的取值范围为[1.45,1.55]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964176.8A CN106548252A (zh) | 2016-10-28 | 2016-10-28 | 基于改进K‑means聚类的配电网网架构建系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964176.8A CN106548252A (zh) | 2016-10-28 | 2016-10-28 | 基于改进K‑means聚类的配电网网架构建系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106548252A true CN106548252A (zh) | 2017-03-29 |
Family
ID=58395198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610964176.8A Withdrawn CN106548252A (zh) | 2016-10-28 | 2016-10-28 | 基于改进K‑means聚类的配电网网架构建系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548252A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564076A (zh) * | 2018-04-03 | 2018-09-21 | 中建二局安装工程有限公司 | 一种智能建筑物内电力布线中可视化控制系统 |
CN109873501A (zh) * | 2019-04-15 | 2019-06-11 | 东南大学 | 一种低压配电网拓扑自动识别方法 |
CN110034566A (zh) * | 2019-05-14 | 2019-07-19 | 沈阳农业大学 | 一种中低压配电网集中就地分级分区电压控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090319093A1 (en) * | 2008-03-31 | 2009-12-24 | The Royal Institution For Advancement Of Learning/ Mcgill University | Methods and processes relating to electricity power generation and distribution networks |
CN104537580A (zh) * | 2015-01-27 | 2015-04-22 | 四川大学 | 基于K-means聚类的配电网网架的构建方法 |
CN105959316A (zh) * | 2016-07-06 | 2016-09-21 | 吴本刚 | 网络安全性验证系统 |
-
2016
- 2016-10-28 CN CN201610964176.8A patent/CN106548252A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090319093A1 (en) * | 2008-03-31 | 2009-12-24 | The Royal Institution For Advancement Of Learning/ Mcgill University | Methods and processes relating to electricity power generation and distribution networks |
CN104537580A (zh) * | 2015-01-27 | 2015-04-22 | 四川大学 | 基于K-means聚类的配电网网架的构建方法 |
CN105959316A (zh) * | 2016-07-06 | 2016-09-21 | 吴本刚 | 网络安全性验证系统 |
Non-Patent Citations (1)
Title |
---|
韩俊等: "《基于改进K-means 聚类算法的供电块划分方法》", 《电力自动化设备》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564076A (zh) * | 2018-04-03 | 2018-09-21 | 中建二局安装工程有限公司 | 一种智能建筑物内电力布线中可视化控制系统 |
CN108564076B (zh) * | 2018-04-03 | 2022-01-18 | 中建二局安装工程有限公司 | 一种智能建筑物内电力布线中可视化控制系统 |
CN109873501A (zh) * | 2019-04-15 | 2019-06-11 | 东南大学 | 一种低压配电网拓扑自动识别方法 |
CN110034566A (zh) * | 2019-05-14 | 2019-07-19 | 沈阳农业大学 | 一种中低压配电网集中就地分级分区电压控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109274095B (zh) | 基于互信息的低压配电网用户拓扑估计方法及系统 | |
US10198018B2 (en) | Systems and methods for convex relaxations and linear approximations for optimal power flow in multiphase radial networks | |
CN103323688B (zh) | 一种电力系统的谐波状态估计方法及设备 | |
CN104537580B (zh) | 基于K‑means聚类的配电网网架的构建方法 | |
CN113361188B (zh) | 多目标配电网动态重构方法、装置及终端 | |
CN106548252A (zh) | 基于改进K‑means聚类的配电网网架构建系统 | |
CN103544378A (zh) | 一种直流输电用交流系统谐波阻抗计算方法 | |
CN112103988A (zh) | 一种结合网络重构的集群划分双层模型的建立方法 | |
CN104133143B (zh) | 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法 | |
CN104050536B (zh) | 一种跨电压等级配电网的拓扑分析方法 | |
CN110414810B (zh) | 计及失负荷风险的多端智能软开关优化配置方法及系统 | |
CN103326351A (zh) | 一种基于层次化聚类自动分区的分布式并行潮流计算方法 | |
CN103236691A (zh) | 基于复仿射数学理论的三相不平衡潮流计算方法 | |
CN111654392A (zh) | 基于互信息的低压配电网拓扑识别方法及系统 | |
CN110414796B (zh) | 一种交直流混合配电网网架规划方法、装置及存储介质 | |
CN105279617B (zh) | 配电网待建项目对电网可靠性影响的计算方法 | |
CN104009469B (zh) | 一种低压配网台区网络拓扑等值图归集方法 | |
CN104200276B (zh) | 一种基于特征负荷注入的智能配电网重构方法 | |
CN111861789A (zh) | 基于电流数据整数规划求解的户变关系识别方法及系统 | |
CN115526068B (zh) | 失准模型参数确定方法、装置、设备和存储介质 | |
CN106875010A (zh) | 神经元权重信息处理方法和系统 | |
CN109038746A (zh) | 智能充电系统及智能充电方法 | |
CN109687464A (zh) | 电网潮流的分析方法及装置、存储介质、处理器 | |
CN111080024A (zh) | 一种用于电压暂降治理设备最优配置的方法 | |
CN208142301U (zh) | 一种电池管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170329 |