【正文】 marker39。o39。第4章 結(jié) 語(yǔ)，電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行的重要性和復(fù)雜性愈發(fā)顯著地表現(xiàn)出來(lái)，安全性和經(jīng)濟(jì)性是相互關(guān)聯(lián)又互相矛盾的兩個(gè)方面，只有充分了認(rèn)識(shí)到了電力系統(tǒng)的運(yùn)行規(guī)律，才能找到即安全又經(jīng)濟(jì)的運(yùn)行方式。上述分類(lèi)結(jié)果與變電站實(shí)際負(fù)荷構(gòu)成情況相符，同時(shí)與基于C均值聚類(lèi)得到的聚類(lèi)中心矩陣比較，聚類(lèi)結(jié)果大體一致。此方法實(shí)現(xiàn)比較簡(jiǎn)單。另外，先將數(shù)據(jù)集分成C類(lèi)，仍然采用的隨機(jī)地策略，無(wú)法保證從根本上消除陷入局部極小點(diǎn)的可能性。但是，這種方法簡(jiǎn)單，對(duì)于數(shù)據(jù)普遍適用。步驟2：用式（）計(jì)算c個(gè)聚類(lèi)中心，i=1,...,c。該算法本身是迭代的，且不能確保它收斂于最優(yōu)解。 模糊C均值聚類(lèi)算法 硬C均值聚類(lèi)算法（HCM）硬C均值聚類(lèi)（HCM）算法是經(jīng)典的硬聚類(lèi)算法之一，能夠?qū)Τ食瑱E球狀的數(shù)值聚類(lèi)算法進(jìn)行分類(lèi)。 各算法優(yōu)缺點(diǎn)比較表21 幾種算法的比較算法名稱優(yōu)點(diǎn)缺點(diǎn)系統(tǒng)聚類(lèi)法對(duì)初值不敏感一旦一個(gè)合并或者分裂被執(zhí)行，就不可修正，當(dāng)兩個(gè)距離較近的密聚點(diǎn)集之間有少量孤立的模式特征點(diǎn)時(shí)容易出錯(cuò)。其突出的優(yōu)點(diǎn)就是處理速度快，通常與目標(biāo)數(shù)據(jù)庫(kù)中記錄的個(gè)數(shù)無(wú)關(guān)的，而只與數(shù)據(jù)空間的單元有關(guān)。J．C．Bezdek和J．C．Dunn在1974年給出了模糊ISODATA聚類(lèi)方法。2．動(dòng)態(tài)聚類(lèi)分析法 動(dòng)態(tài)聚類(lèi)的原理是先對(duì)分類(lèi)事物做一個(gè)初始的粗糙的分類(lèi)，然后再根據(jù)某種原則對(duì)初始分類(lèi)進(jìn)行修改，直至準(zhǔn)則函數(shù)取得極值或者是分類(lèi)被認(rèn)為比較合理為止。這些方法各有優(yōu)缺點(diǎn)，分別適用于不同的場(chǎng)合。 當(dāng)q=2時(shí)，稱為歐氏距離 當(dāng)q=時(shí)，稱為切比雪夫距離2．馬氏距離 其中為樣本的P個(gè)指標(biāo)組成的向量，∑為協(xié)方差矩陣3. 蘭氏距離 （）在眾多的距離中，用的較多的是歐氏距離和絕對(duì)值距離。聚類(lèi)是觀察式學(xué)習(xí)，而不是示例式的學(xué)習(xí)　　從實(shí)際應(yīng)用的角度看，聚類(lèi)分析是數(shù)據(jù)挖掘的主要任務(wù)之一。 聚類(lèi)分析在負(fù)荷特性分析中的應(yīng)用現(xiàn)狀 聚類(lèi)分析是一種新興的多元統(tǒng)計(jì)方法，是當(dāng)代分類(lèi)學(xué)與多元分析的結(jié)合。因此，這種方法不能適應(yīng)負(fù)荷特性的時(shí)變性。事實(shí)上，上述幾個(gè)方面有的有時(shí)甚至是互相矛盾的。通常一個(gè)冪函數(shù)在電壓變化范圍比較大的情況下仍能較好地描述許多負(fù)荷的靜態(tài)特性。從用電部門(mén)來(lái)看，可以分為城市民用負(fù)荷、商業(yè)負(fù)荷、農(nóng)業(yè)負(fù)荷、工業(yè)負(fù)荷及其它負(fù)荷。IEEE在1993年發(fā)表的報(bào)告統(tǒng)一了負(fù)荷建模中的許多術(shù)語(yǔ)和定義, 總結(jié)了負(fù)荷模型從建立、驗(yàn)證到應(yīng)用的有關(guān)問(wèn)題。 到了70年代末80年代初統(tǒng)計(jì)綜合法 (ponen t basedmethod)的提出是負(fù)荷建模在這一時(shí)期的最重大的成果。通過(guò)這些例子，對(duì)改進(jìn)負(fù)荷模型的必要性便可見(jiàn)一斑。如果決策基于樂(lè)觀的仿真分析結(jié)果,則在規(guī)劃設(shè)計(jì)方面將會(huì)導(dǎo)致系統(tǒng)結(jié)構(gòu)、反事故措施方面投入資金不足,從而產(chǎn)生不合理的系統(tǒng)規(guī)劃方案,給以后的系統(tǒng)運(yùn)行造成不便,帶來(lái)許多運(yùn)行限制。針對(duì)湖南電網(wǎng)48個(gè)變電站，對(duì)模糊C均值法實(shí)施改進(jìn)后對(duì)其進(jìn)行聚類(lèi)，并與未改進(jìn)的模糊C均值法的聚類(lèi)結(jié)果進(jìn)行比較，以說(shuō)明改進(jìn)方案的有效性。大量的計(jì)算與實(shí)驗(yàn)結(jié)果表明：負(fù)荷模型對(duì)電力系統(tǒng)動(dòng)態(tài)行為的定量模擬結(jié)果影響很大，對(duì)潮流計(jì)算、短路計(jì)算、安全分析、電壓穩(wěn)定性等也有一定影響。這就為采用更加精確、詳細(xì)的負(fù)荷模型創(chuàng)造了條件。 各用電設(shè)備的平均特性。 （3）針對(duì)性原則 國(guó)外對(duì)電力負(fù)荷建模已有大量研究，美國(guó)等國(guó)家進(jìn)行了大量實(shí)際負(fù)荷參數(shù)的研究，給出了推薦參數(shù)。 負(fù)荷吸收的有功功率(P)及無(wú)功功率（Q）是隨著負(fù)荷母線的電壓（U）和頻率（f）的變動(dòng)而變化的，這就是負(fù)荷的電壓、頻率特性，用于描述負(fù)荷特性的數(shù)學(xué)方程稱為負(fù)荷模型。非機(jī)理模型則是在系統(tǒng)辨識(shí)理論發(fā)展過(guò)程中,從大量的具體動(dòng)態(tài)系統(tǒng)建模中概括出來(lái)的,對(duì)一大類(lèi)動(dòng)態(tài)系統(tǒng)具有很強(qiáng)的描述能力。統(tǒng)計(jì)綜合法是一種傳統(tǒng)的做法，比定性估計(jì)負(fù)荷參數(shù)前進(jìn)一大步。這種方法所必需的現(xiàn)場(chǎng)測(cè)量工作比較復(fù)雜，甚至?xí)艿綄?shí)際條件的限制，例如電壓波動(dòng)難以做到超過(guò)10%。在不同的應(yīng)用領(lǐng)域，很多聚類(lèi)技術(shù)都得到了發(fā)展，這些技術(shù)方法被用作描述數(shù)據(jù)，衡量不同數(shù)據(jù)源間的相似性，以及把數(shù)據(jù)源分類(lèi)到不同的簇中。通常聚類(lèi)分析分為Q型聚類(lèi)和R型聚類(lèi)。樣品間距離公式的選擇是一個(gè)比較復(fù)雜且?guī)в幸欢ㄖ饔^性的問(wèn)題，我們應(yīng)根據(jù)研究對(duì)象的特點(diǎn)不同做出具體分析。4) 找出前一步求得的矩陣中最小元素，設(shè)它是和間的距離，將和兩類(lèi)合并成一類(lèi)，于是產(chǎn)生新的聚類(lèi)令K=K+1，N=N1；5) 查聚類(lèi)后的個(gè)數(shù)，如果類(lèi)數(shù)N大于2，則轉(zhuǎn)至3)，否則，停止。由于實(shí)際對(duì)象之間在很多方面，其差異的變化表現(xiàn)為一種連續(xù)性，差異對(duì)象之間并沒(méi)有一個(gè)截然區(qū)別的界限，所以事物分類(lèi)的本身具有模糊性的特點(diǎn)。目前的研究集中于凝聚層次聚類(lèi)和迭代重定位方法的集成。 基于劃分的聚類(lèi)算法基于劃分的聚類(lèi)方法，又稱動(dòng)態(tài)聚類(lèi)法。傳統(tǒng)的短期負(fù)荷預(yù)測(cè)方法有回歸模型，時(shí)間序列等，隨著人工智能的興起和發(fā)展，模糊聚類(lèi)辨識(shí)方法也引入到短期負(fù)荷預(yù)測(cè)中，并取得了較好的結(jié)果。為便于批模式運(yùn)行，這里給出數(shù)據(jù)集的K均值算法：該算法重復(fù)使用下列步驟，確定聚類(lèi)中心和隸屬矩陣U：步驟1：初始化聚類(lèi)中心。FCM把n個(gè)向量分為c個(gè)模糊組，并求每組的聚類(lèi)中心，使得非相似性指標(biāo)的價(jià)值函數(shù)達(dá)到最小。 程序流程圖程序流程如圖1所示：變電站的負(fù)荷構(gòu)成矩陣標(biāo)準(zhǔn)化判斷是否滿足誤差要求計(jì)算聚類(lèi)中心矩陣計(jì)算隸屬度參數(shù)矩陣初始化聚類(lèi)參數(shù)給定變電站聚類(lèi)數(shù)C迭代次數(shù)m和誤差e輸入聚類(lèi)變電站的負(fù)荷構(gòu)成矩陣U N Y輸出隸屬度矩陣和聚類(lèi)中心矩陣 圖1：基于模糊C均值聚類(lèi)算法流程圖 改進(jìn)的各方案比較FCM算法簡(jiǎn)單，如模式分布呈現(xiàn)類(lèi)內(nèi)鏈聚狀，該算法是能達(dá)到很好聚類(lèi)結(jié)果，是目前聚類(lèi)分析中最受歡迎的算法之一，但它有著致命的弱點(diǎn)：一是模糊聚類(lèi)目標(biāo)函數(shù)是一個(gè)非凸函數(shù)，存在大量的局部極值點(diǎn)，初始化不當(dāng)將導(dǎo)致算法收斂到局部極值點(diǎn)而得不到數(shù)據(jù)集的最優(yōu)模糊劃分；二是大數(shù)據(jù)量時(shí)算法嚴(yán)重耗時(shí)，制約了其實(shí)際應(yīng)用?？梢赃x擇那些分離性較好的，周?chē)鷶?shù)據(jù)分布密度比較大地那些點(diǎn)作為初始類(lèi)心。因?yàn)椤肮铝Ⅻc(diǎn)”很容易當(dāng)選初始聚類(lèi)中心，這顯然是不合適的。在本設(shè)計(jì)中對(duì)該工具函數(shù)進(jìn)行改動(dòng)，即去掉其自動(dòng)生成隸屬度的部分，首先輸入由系統(tǒng)聚類(lèi)法獲得的初始聚類(lèi)中心形成的初始隸屬度矩陣。⑤聚類(lèi)中心矩陣表征了每一類(lèi)所含變電站的綜合靜態(tài)負(fù)荷特性。Z=linkage(Y,39。*39。)。marker39。參考文獻(xiàn)[1] [M].國(guó)防科技大學(xué)出版社，2001.[2] [M].北京大學(xué)出版社,2005.[3] [M].華南理工大學(xué)出版社,2005.[4] [D].華北電力大學(xué)博士學(xué)位論文,1997.[5] [D]. 華北電力大學(xué)博士文,2003.[6] [J].,28(1): 6468[7] [J].,23(19):1216.[8] [D]. .[9] .[10] 賀仁睦，魏孝銘，[J].中國(guó)電機(jī)工程學(xué)報(bào),1996(3):151154. [13] 李力，朱守真，[J].,Aug,1999:610,19.[14] 陳柔伊，張堯，武至剛，陳澤懷 17卷.[15] 王天行,[M].成都::199～214.[16] 吳元奇，：.[17] 王成山，曹旌，,2005.[18] 徐南榮，宋文忠，:東南大學(xué)出版社，1991.[19] 鞠平,馬大強(qiáng)。另一方面，改進(jìn)FCM方法的聚類(lèi)精度和計(jì)算速度可以通過(guò)綜合采用多種聚類(lèi)算法的復(fù)合型聚類(lèi)方法予以提高。 未改進(jìn)的模糊C均值法在實(shí)例中的應(yīng)用利用未改進(jìn)的模糊C均值法所得的聚類(lèi)結(jié)果如表31所示：（其中表示第i類(lèi)，表示第j個(gè)變電站）下同。具體地講，就是在模式特征矢量集中以最大距離原則選取新的聚類(lèi)中心，以最小距離原則進(jìn)行模式歸類(lèi)，如此求取C個(gè)初始聚類(lèi)中心。憑經(jīng)驗(yàn)選擇初始類(lèi)心的方法，情形和（2）很相似。算法的性能依賴于初始聚類(lèi)中心。 模糊C均值聚類(lèi)模糊C均值聚類(lèi)（FCM），即眾所周知的模糊ISODATA,是用隸屬度確定每個(gè)數(shù)據(jù)點(diǎn)屬于某個(gè)聚類(lèi)的程度的一種聚類(lèi)算法。一旦確定聚類(lèi)中心，可導(dǎo)出如下使式（）最?。? （）重申一點(diǎn)，如果是的最近的聚類(lèi)中心，那么屬于組i。該方法原理簡(jiǎn)單，計(jì)算量小，適用于快速的電力系統(tǒng)分析。根據(jù)某些距離度量，新的對(duì)象可以被分配給標(biāo)本與其最相似的簇。實(shí)際中的絕大多數(shù)層次聚類(lèi)算法屬于聚合法。3． 灰色聚類(lèi)分析法 灰色聚類(lèi)分析法屬于灰色系統(tǒng)理論中灰色評(píng)估范疇，灰色系統(tǒng)理論是一種新的分析系統(tǒng)的理論，它以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定系統(tǒng)為研究對(duì)象，主要通過(guò)對(duì)“部分”已知信息的生成、開(kāi)發(fā)，提取有價(jià)值的信息，實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行行為的正確認(rèn)識(shí)和有效控制，有很多系統(tǒng)可以看成是貧信息不確定系統(tǒng)，因此，這一新的理論具有十分廣闊的應(yīng)用前景。2) 初始分類(lèi)。如在進(jìn)行聚類(lèi)分析之前已經(jīng)對(duì)變量作了標(biāo)準(zhǔn)化處理，則通常就可采用歐氏距離。在初步探討了聚類(lèi)分析技術(shù)在負(fù)荷建模中的應(yīng)用現(xiàn)狀的基礎(chǔ)上，重點(diǎn)研究了模糊C均值法的基本原理和實(shí)現(xiàn)過(guò)程，并將其用于統(tǒng)計(jì)負(fù)荷特性數(shù)據(jù)的分類(lèi)，從而驗(yàn)證了聚類(lèi)技術(shù)在負(fù)荷特性分類(lèi)中應(yīng)用的工程實(shí)用性，為統(tǒng)計(jì)綜合法和總體測(cè)辨法的融合提供了有效的途徑?！　【垲?lèi)分析的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來(lái)分類(lèi)。在此基礎(chǔ)上，離線或在線辨識(shí)出負(fù)荷特性系數(shù)。一般來(lái)說(shuō)，后兩種數(shù)據(jù)變化較小，而第一種數(shù)據(jù)變化較大。其中機(jī)理模型通常就是感應(yīng)電動(dòng)機(jī)模型。 工業(yè)負(fù)荷中電力設(shè)備種類(lèi)更多，最主要的是感應(yīng)電動(dòng)機(jī)和同步電動(dòng)機(jī)，其它還有整流型負(fù)荷、電弧爐、阻抗型負(fù)荷（如工廠照明）等等。這就要求模型在能夠反映負(fù)荷本質(zhì)的前提下要盡量簡(jiǎn)單，最好與現(xiàn)有電力系統(tǒng)計(jì)算程序能夠銜接。該軟件包使用時(shí)雖然需要三種數(shù)據(jù): 負(fù)荷組成, 即各類(lèi)負(fù)荷(民用、商業(yè)、工業(yè)等)所占的比例。為此，更需要研究相應(yīng)的模型和算法，負(fù)荷模型當(dāng)然也應(yīng)考慮在內(nèi)。目前，數(shù)字模擬計(jì)算已成為電力系統(tǒng)設(shè)計(jì)、運(yùn)行與控制中不可缺少的輔助手段。本文采用實(shí)用化負(fù)荷建模思想 ，對(duì)負(fù)荷特性進(jìn)行聚類(lèi)，從而為變電站建立合適的負(fù)荷模型打下基礎(chǔ)。仿真結(jié)果的誤差是由仿真所用模型的準(zhǔn)確性決定,目前發(fā)電機(jī)組和輸電網(wǎng)絡(luò)的模型已相當(dāng)成熟,比較而言,電力負(fù)荷模型仍相當(dāng)簡(jiǎn)單,往往從基本物理概念出發(fā),采用理想化的模型,如: 恒功率、恒阻抗、恒電流或三者的組合。與之相比，負(fù)荷建模則發(fā)展較慢，顯得有些不相匹配。根據(jù)該計(jì)劃,研究工作在美國(guó)和加拿大同時(shí)展開(kāi)。在1995年8月的報(bào)告中推薦了用于電力系統(tǒng)潮流計(jì)算和動(dòng)態(tài)仿真的標(biāo)準(zhǔn)化負(fù)荷模型,為各種仿真程序的使用者指明了方向[7]。商業(yè)和工業(yè)負(fù)荷是為商業(yè)與工業(yè)服務(wù)的負(fù)荷。靜態(tài)的負(fù)荷模型主要適用于潮流計(jì)算和以潮流計(jì)算為基礎(chǔ)的穩(wěn)態(tài)分析中。 實(shí)用化負(fù)荷建模思想 負(fù)荷建模：兩大方法、特點(diǎn)、不足時(shí)至今日，人們已提出了不少負(fù)荷建模方法，這些方法可以歸納為兩大類(lèi)：一類(lèi)是“統(tǒng)計(jì)綜合法”，另一類(lèi)是“總體測(cè)辨法”。（5） 負(fù)荷成分往往比較復(fù)雜，包含的用電設(shè)備可達(dá)數(shù)十種，如電動(dòng)機(jī)、電阻負(fù)荷、電壓器、熒光燈等等。也就是說(shuō)，對(duì)彼此不同屬性的事物進(jìn)行辨認(rèn)，將具有相似屬性的事物聚為一類(lèi)，使得同一類(lèi)的事物具有高度的相似性[8]。聚類(lèi)分析還可以作為其他算法（如分類(lèi)和定性歸納算法）的預(yù)處理步驟。產(chǎn)生不同結(jié)果的原因，主要是由于不同的距離公式的側(cè)重點(diǎn)和實(shí)際意義都有不同。下面對(duì)這幾種方法做出介紹：1． 譜系數(shù)聚類(lèi)分析法 這種方法又稱為系統(tǒng)聚類(lèi)分析法，設(shè)樣本矢量集合為，每個(gè)樣本有n個(gè)特征量表示，表示第k次合并時(shí)的第i類(lèi)。2)計(jì)算模式和類(lèi)的距離，調(diào)整模式的類(lèi)別。. 系統(tǒng)聚類(lèi)法系統(tǒng)聚類(lèi)算法[5]，又稱為等級(jí)聚類(lèi)法，層次聚類(lèi)法。 基于模型的聚類(lèi)算法基于模型的方法首先是基于這樣一個(gè)假定：目標(biāo)數(shù)據(jù)集是由一系列的概率分布所決定的。 由表可以看出，基于劃分的聚類(lèi)算法設(shè)計(jì)簡(jiǎn)單，解決問(wèn)題的范圍廣，以及易于計(jì)算機(jī)實(shí)現(xiàn)的突出優(yōu)點(diǎn)十分合適本文的設(shè)計(jì)，因?yàn)殡S著計(jì)算機(jī)技術(shù)的發(fā)展，電力負(fù)荷聚類(lèi)，更多地要求計(jì)算機(jī)實(shí)現(xiàn)。當(dāng)選擇歐氏距離為組j中向量與相應(yīng)聚類(lèi)中心間的非相似性指標(biāo)時(shí)，價(jià)值函數(shù)可定義為： （）這里是組i內(nèi)的價(jià)值函數(shù)。所以，為了使它可取，要么用一些前端方法求好的初始聚類(lèi)中心；要么每次用不同的初始聚類(lèi)中心，將該算法運(yùn)行多次。如果它小于某個(gè)確定的閥值，或它相對(duì)上次價(jià)值函數(shù)值的改變量小于某個(gè)閥值，則算法停止。用戶指定的方法增加了先驗(yàn)知識(shí)。選取密度最大的特征點(diǎn)作為第一個(gè)初始類(lèi)心然后再與大于某個(gè)距離d的那些特征點(diǎn)中選取另一個(gè)具有最大密度的特征點(diǎn)作為第二個(gè)初始類(lèi)心以下如此進(jìn)行，選取C個(gè)初始聚類(lèi)中心。另外以等球內(nèi)模式個(gè)數(shù)作為衡量標(biāo)準(zhǔn)，個(gè)數(shù)較多的，也就是比較密集區(qū)域內(nèi)的點(diǎn)方能入選初始聚類(lèi)中心。未改進(jìn)模糊C均值的聚類(lèi)把分類(lèi)到市政生活用電為主的類(lèi)中，忽視了其重工業(yè)與三產(chǎn)業(yè)的比例也不少的特點(diǎn)，比較片面；改進(jìn)后C均值法聚類(lèi)把與歸為一類(lèi)，很好地體現(xiàn)了該類(lèi)的市政生活、重工業(yè)、三產(chǎn)業(yè)都占較大比例的特點(diǎn)。本文對(duì)模糊C均值法加以改進(jìn)后再對(duì)該數(shù)據(jù)進(jìn)行聚類(lèi)，并與未改進(jìn)的模糊C均值法加以比較。% hold on。*39。)。% [center,U,obj_f] = fcm(data,2)。負(fù)荷測(cè)辨裝置安裝在每一類(lèi)的典型變電站中，記錄下實(shí)測(cè)數(shù)據(jù)并為理想安裝測(cè)點(diǎn)的典型變電站建立相應(yīng)的負(fù)荷模型，而對(duì)于同類(lèi)中未布測(cè)點(diǎn)則可以通過(guò)數(shù)學(xué)方法確定該類(lèi)中其它沒(méi)有安裝測(cè)辨裝置的變電站的綜合負(fù)荷模型。矩陣一平均值=矩陣三平均值=（2） 類(lèi)內(nèi)距離未改進(jìn)模糊C均值法類(lèi)數(shù)第一類(lèi)第二類(lèi)第三類(lèi)第四類(lèi)