CN109685096A - 一种基于模糊聚类的配电变压器分类方法 - Google Patents
一种基于模糊聚类的配电变压器分类方法 Download PDFInfo
- Publication number
- CN109685096A CN109685096A CN201811250356.5A CN201811250356A CN109685096A CN 109685096 A CN109685096 A CN 109685096A CN 201811250356 A CN201811250356 A CN 201811250356A CN 109685096 A CN109685096 A CN 109685096A
- Authority
- CN
- China
- Prior art keywords
- transformer
- distribution transformer
- average load
- fuzzy clustering
- maximum value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000004069 differentiation Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于模糊聚类的配电变压器分类方法。一种基于模糊聚类的配电变压器分类方法,其中,包括以下步骤:S1.获取每台配电变压器月度平均负载率最大值,记为λ1,λ2,.....,λm,m为配电变压器台数;S2.将月度平均负载率最大值大于等于80%的配电变压器划分为重载变压器,其台数记为m1;将月度平均负载率最大值小于等于20%的配电变压器划分为轻载变压器,其台数记为m2;S3.对月度平均负载率最大值大于20%且小于80%的配电变压器,使用模糊聚类方法将其分为三类,即常载Ⅰ类变压器、常载Ⅱ类变压器以及常载Ⅲ类变压器。本发明基于模糊聚类的优势,将轻载变压器和重载变压器以外的变压器进行分类,以适应差异化规划的要求,同时更能符合人们的思维方式。
Description
技术领域
本发明涉及配电网规划技术领域,更具体地,涉及一种基于模糊聚类的配电变压器分类方法。
背景技术
配电变压器是配网中的一种重要电气设备,同时也是配网规划中的一个重要对象。为适应差异化规划的要求,需对变压器进行分类处理。在变压器运行过程中,负载率是其一个重要指标,根据负载率进行变压器分类具有合理性。
目前,根据负载率进行变压器分类的方法,轻载变压器和重载变压器有明确的界定值,剩余的并没有详细的分类,不利于差异化规划的开展。
发明内容
本发明为实现上述目的,提供一种基于模糊聚类的配电变压器分类方法。本发明的方法基于模糊聚类的优势,将轻载变压器和重载变压器以外的变压器进行分类,以适应差异化规划的要求,同时更能符合人们的思维方式。
为解决上述技术问题,本发明采用的技术方案是:一种基于模糊聚类的配电变压器分类方法,其中,包括以下步骤:
S1.获取每台配电变压器月度平均负载率最大值,记为λ1,λ2,.....,λm,m为配电变压器台数;
S2.将月度平均负载率最大值大于等于80%的配电变压器划分为重载变压器,其台数记为m1;将月度平均负载率最大值小于等于20%的配电变压器划分为轻载变压器,其台数记为m2;
S3.对月度平均负载率最大值大于20%且小于80%的配电变压器,使用模糊聚类方法将其分为三类,即常载Ⅰ类变压器、常载Ⅱ类变压器以及常载Ⅲ类变压器。
进一步的,所述步骤S3中,使用模糊聚类方法将月度平均负载率最大值大于20%且小于80%的配电变压器分为常载Ⅰ类变压器、常载Ⅱ类变压器以及常载Ⅲ类变压器的步骤为:
S31.定义目标函数J:
式中,N待分类变压器的台数,即N=m-m1-m2,C为分类数目,即C=3,uij为隶属度矩阵U的元素,x为加权指数,λj为第j个变压器月度平均负载率最大值,vi为聚类中心向量V的元素;
S32.初始化加权指数x和聚类中心向量V;
S33.第t次迭代中,根据下式更新隶属度矩阵U和聚类中心向量V;
式中,uij (t)和vi (t)分别为第t次迭代后uij和vi的值,dij为λj和第t-1次迭代后vi的值vi (t-1)之间的距离,即dij=||λj-vi (t-1)||2,同样,drj=||λj-vr (t-1)||2;
S34.利用uij (t)和vi (t)计算J(t),如果满足|J(t)-J(t-1)|≤ε,ε代表迭代精度,则停止迭代,否则返回步骤S33继续迭代。J(t)和J(t-1)分别为第t次迭代和第t-1次迭代后的目标函数值;
S35.对隶属度矩阵U=[uij]C×N,采用最大隶属度原则判断λj的归类。最大隶属度原则表示为:Ai(λj)=max{u1j,u2j,....,uCj}
式中,Ai(λj)表示λj隶属于聚类vi。
进一步的,所述步骤S35中,采用最大隶属度原则判断λj的归类的具体步骤如下:
最大隶属度原则表示为:Ai(λj)=max{u1j,u2j,....,uCj},其中C=3,所以Ai(λj)=max{u1j,u2j,u3j},u1j为λj隶属于常载Ⅰ类变压器的隶属度,u2j为λj隶属于常载Ⅱ类变压器的隶属度,u3j为λj隶属于常载Ⅲ类变压器的隶属度,选取隶属度最大的这一类为λj的归类,比如u3j最大,则λj隶属于常载Ⅲ类变压器。
与现有技术相比,本发明的有益效果:
本发明提供的方法基于模糊聚类的优势,将轻载变压器和重载变压器以外的变压器进行分类,以适应差异化规划的要求,同时更能符合人们的思维方式。
附图说明
图1是本发明的整体流程示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
如图1所示,一种基于模糊聚类的配电变压器分类方法,其中,包括以下步骤:
S1.获取每台配电变压器月度平均负载率最大值,记为λ1,λ2,.....,λm,m为配电变压器台数;
S2.将月度平均负载率最大值大于等于80%的配电变压器划分为重载变压器,其台数记为m1;将月度平均负载率最大值小于等于20%的配电变压器划分为轻载变压器,其台数记为m2;
S3.对月度平均负载率最大值大于20%且小于80%的配电变压器,使用模糊聚类方法将其分为三类,即常载Ⅰ类变压器、常载Ⅱ类变压器以及常载Ⅲ类变压器。具体的,包括如下步骤:
S31.定义目标函数J:
式中,N待分类变压器的台数,即N=m-m1-m2,C为分类数目,即C=3,uij为隶属度矩阵U的元素,x为加权指数,λj为第j个变压器月度平均负载率最大值,vi为聚类中心向量V的元素;
S32.初始化加权指数x和聚类中心向量V;
S33.第t次迭代中,根据下式更新隶属度矩阵U和聚类中心向量V;
式中,uij (t)和vi (t)分别为第t次迭代后uij和vi的值,dij为λj和第t-1次迭代后vi的值vi (t-1)之间的距离,即dij=||λj-vi (t-1)||2,同样,drj=||λj-vr (t-1)||2;
S34.利用uij (t)和vi (t)计算J(t),如果满足|J(t)-J(t-1)|≤ε,ε代表迭代精度,则停止迭代,否则返回步骤S33继续迭代。J(t)和J(t-1)分别为第t次迭代和第t-1次迭代后的目标函数值;
S35.对隶属度矩阵U=[uij]C×N,采用最大隶属度原则判断λj的归类。最大隶属度原则表示为:Ai(λj)=max{u1j,u2j,....,uCj}
式中,Ai(λj)表示λj隶属于聚类vi。具体的,包括如下步骤:
最大隶属度原则表示为:Ai(λj)=max{u1j,u2j,....,uCj},其中C=3,所以Ai(λj)=max{u1j,u2j,u3j},u1j为λj隶属于常载Ⅰ类变压器的隶属度,u2j为λj隶属于常载Ⅱ类变压器的隶属度,u3j为λj隶属于常载Ⅲ类变压器的隶属度,选取隶属度最大的这一类为λj的归类,比如u3j最大,则λj隶属于常载Ⅲ类变压器。
显然,本发明的上述实施例仅仅是为了清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种基于模糊聚类的配电变压器分类方法,其特征在于,包括以下步骤:
S1.获取每台配电变压器月度平均负载率最大值,记为λ1,λ2,.....,λm,m为配电变压器台数;
S2.将月度平均负载率最大值大于等于80%的配电变压器划分为重载变压器,其台数记为m1;将月度平均负载率最大值小于等于20%的配电变压器划分为轻载变压器,其台数记为m2;
S3.对月度平均负载率最大值大于20%且小于80%的配电变压器,使用模糊聚类方法将其分为三类,即常载Ⅰ类变压器、常载Ⅱ类变压器以及常载Ⅲ类变压器。
2.根据权利要求1所述的一种基于模糊聚类的配电变压器分类方法,其特征在于,所述步骤S3中,使用模糊聚类方法将月度平均负载率最大值大于20%且小于80%的配电变压器分为常载Ⅰ类变压器、常载Ⅱ类变压器以及常载Ⅲ类变压器的步骤为:
S31.定义目标函数J:
式中,N待分类变压器的台数,即N=m-m1-m2,C为分类数目,即C=3,uij为隶属度矩阵U的元素,x为加权指数,λj为第j个变压器月度平均负载率最大值,vi为聚类中心向量V的元素;
S32.初始化加权指数x和聚类中心向量V;
S33.第t次迭代中,根据下式更新隶属度矩阵U和聚类中心向量V;
式中,uij (t)和vi (t)分别为第t次迭代后uij和vi的值,dij为λj和第t-1次迭代后vi的值vi (t -1)之间的距离,即dij=||λj-vi (t-1)||2,同样,drj=||λj-vr (t-1)||2;
S34.利用uij (t)和vi (t)计算J(t),如果满足|J(t)-J(t-1)|≤ε,ε代表迭代精度,则停止迭代,否则返回步骤S33继续迭代。J(t)和J(t-1)分别为第t次迭代和第t-1次迭代后的目标函数值;
S35.对隶属度矩阵U=[uij]C×N,采用最大隶属度原则判断λj的归类。最大隶属度原则表示为:Ai(λj)=max{u1j,u2j,....,uCj}
式中,Ai(λj)表示λj隶属于聚类vi。
3.根据权利要求2所述的一种基于模糊聚类的配电变压器分类方法,其特征在于,所述步骤S35中,采用最大隶属度原则判断λj的归类的具体步骤如下:
最大隶属度原则表示为:Ai(λj)=max{u1j,u2j,....,uCj},其中C=3,所以Ai(λj)=max{u1j,u2j,u3j},u1j为λj隶属于常载Ⅰ类变压器的隶属度,u2j为λj隶属于常载Ⅱ类变压器的隶属度,u3j为λj隶属于常载Ⅲ类变压器的隶属度,选取隶属度最大的这一类为λj的归类,比如u3j最大,则λj隶属于常载Ⅲ类变压器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811250356.5A CN109685096A (zh) | 2018-10-25 | 2018-10-25 | 一种基于模糊聚类的配电变压器分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811250356.5A CN109685096A (zh) | 2018-10-25 | 2018-10-25 | 一种基于模糊聚类的配电变压器分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685096A true CN109685096A (zh) | 2019-04-26 |
Family
ID=66184544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811250356.5A Pending CN109685096A (zh) | 2018-10-25 | 2018-10-25 | 一种基于模糊聚类的配电变压器分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685096A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102055244A (zh) * | 2010-12-30 | 2011-05-11 | 广东电网公司江门供电局 | 配电网变压器运行状态图形化监视方法 |
CN106446967A (zh) * | 2016-10-28 | 2017-02-22 | 国网福建省电力有限公司 | 一种新型电力系统负荷曲线聚类方法 |
CN107273911A (zh) * | 2017-04-24 | 2017-10-20 | 国网江西省电力公司赣州供电分公司 | 一种基于模糊c均值聚类分析的台区负荷精确分类方法 |
CN107677903A (zh) * | 2017-09-14 | 2018-02-09 | 广西电网有限责任公司电力科学研究院 | 一种变压器状态监测数据的聚类分析方法 |
CN107732902A (zh) * | 2017-10-12 | 2018-02-23 | 国网河北能源技术服务有限公司 | 配电网经济运行监控及评价方法 |
CN107843779A (zh) * | 2017-09-26 | 2018-03-27 | 国网河南省电力公司民权县供电公司 | 一种基于模糊聚类的电力系统故障录波分类分析方法和系统 |
-
2018
- 2018-10-25 CN CN201811250356.5A patent/CN109685096A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102055244A (zh) * | 2010-12-30 | 2011-05-11 | 广东电网公司江门供电局 | 配电网变压器运行状态图形化监视方法 |
CN106446967A (zh) * | 2016-10-28 | 2017-02-22 | 国网福建省电力有限公司 | 一种新型电力系统负荷曲线聚类方法 |
CN107273911A (zh) * | 2017-04-24 | 2017-10-20 | 国网江西省电力公司赣州供电分公司 | 一种基于模糊c均值聚类分析的台区负荷精确分类方法 |
CN107677903A (zh) * | 2017-09-14 | 2018-02-09 | 广西电网有限责任公司电力科学研究院 | 一种变压器状态监测数据的聚类分析方法 |
CN107843779A (zh) * | 2017-09-26 | 2018-03-27 | 国网河南省电力公司民权县供电公司 | 一种基于模糊聚类的电力系统故障录波分类分析方法和系统 |
CN107732902A (zh) * | 2017-10-12 | 2018-02-23 | 国网河北能源技术服务有限公司 | 配电网经济运行监控及评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107203785A (zh) | 多路径高斯核模糊c均值聚类算法 | |
CN108280479B (zh) | 一种基于负荷特性指标加权聚类算法的电网用户分类方法 | |
CN103646354A (zh) | 基于有效指标fcm和rbf神经网络的变电站负荷特性分类方法 | |
CN106203867A (zh) | 基于配电网评价指标体系和聚类分析的电网区域划分方法 | |
CN110321919A (zh) | 一种用于低压单相用户户相关系辨识的聚类方法 | |
CN109146252A (zh) | 基于调节潜力指标的用户用电行为聚类分析方法和系统 | |
CN103886330A (zh) | 基于半监督svm集成学习的分类方法 | |
CN107679553A (zh) | 基于密度峰值的聚类方法及装置 | |
Hu et al. | A study on cost behaviors of binary classification measures in class-imbalanced problems | |
CN103888541A (zh) | 一种融合拓扑势和谱聚类的社区发现方法及系统 | |
CN109255363A (zh) | 一种基于加权卡方距离度量的模糊k近邻分类方法及系统 | |
CN105721086B (zh) | 基于ukfnn的无线信道场景识别方法 | |
CN106202388B (zh) | 一种用户等级自动划分方法及系统 | |
CN103177265A (zh) | 基于核函数与稀疏编码的高清图像分类方法 | |
CN108414905A (zh) | 基于流形距离近邻传播聚类的变压器局部放电识别方法 | |
Zhang et al. | A novel large group decision-making method via normalized alternative prediction selection | |
CN111737924B (zh) | 一种基于多源数据选取典型负荷特性变电站的方法 | |
CN104574368B (zh) | 一种自适应的核聚类图像分割方法 | |
CN109685096A (zh) | 一种基于模糊聚类的配电变压器分类方法 | |
CN104143117B (zh) | 一种电网特殊负荷与日负荷之间的相关系数提取方法 | |
CN109657695A (zh) | 一种基于确定性退火的模糊划分聚类方法及装置 | |
CN110348604A (zh) | 一种基于用电特性聚类的线性回归电量预测方法及系统 | |
CN110489893A (zh) | 一种基于可变权值的母线负荷预测方法及系统 | |
Wang et al. | Application of clustering technique to electricity customer classification for load forecasting | |
Văduva | On solving some types of multiple attribute decision making problems |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |