基于模糊负荷聚类的不良负荷数据辨识与修正

doi:10.11930/j.issn.1004-9649.2013.10.29.5

中国电力 ›› 2013, Vol. 46 ›› Issue (10): 29-34.DOI: 10.11930/j.issn.1004-9649.2013.10.29.5

基于模糊负荷聚类的不良负荷数据辨识与修正

刘辉舟¹, 周开乐^{2, 3}, 胡小建^{2, 3}

1.国网安徽省电力公司铜陵供电公司, 安徽铜陵 244000; 2. 合肥工业大学管理学院, 安徽合肥 230009; 3. 合肥工业大学过程优化与智能决策教育部重点实验室,安徽合肥 230009

收稿日期:2013-05-20 出版日期:2013-10-23 发布日期:2015-12-10
作者简介:刘辉舟（1985—）,男,安徽桐城人,硕士,助理工程师,从事电力负荷预测与电力信息化研究工作。
基金资助:
国家高技术研究发展计划（863计划）资助项目（2011AA05A116）; 国家自然科学基金资助项目（71071045）

Bad Data Identification and Correction Based on Load Clustering by FCM Algorithm

LIU Hui-zhou¹, ZHOU Kai-le^{2, 3}, HU Xiao-jian^{2, 3}

1. Tongling Power Supply Company, State Grid Anhui Electric Power Corporation, Tongling 244000, China; 2. School of Management, Hefei University of Technology, Hefei 230009, China; 3. Key Laboratory of Process Optimization and Intelligent Decision-Making, Ministry of Education, Hefei University of Technology, Hefei 230009, China

Received:2013-05-20 Online:2013-10-23 Published:2015-12-10

摘要/Abstract

摘要： 为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值（Fuzzy C-Means,FCM）算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法。差量系数大于电力公司确定的阈值的负荷点即为不良负荷数据。通过算例验证表明,该方法克服了统计历史数据中不良数据的影响,提高了不良数据辨识的可操作性和实用性。同时提出了考虑不良数据测量点外所有其他测量点负荷信息的不良数据修正方法,与仅考虑不良数据测量点前后2个测量点负荷信息的修正方法相比,提高了不良数据修正的精确性和有效性。

关键词: 不良负荷数据, 辨识与修正, 负荷曲线聚类, 模糊C均值算法

Abstract: In order to identify and correct the bad load data, the load profiles are clustered by using simulated annealing genetic algorithm optimized fuzzy C-means algorithm(FCM). Based on the threshold of differential coefficient which is determined by the comparison of test load profiles with its typical load profile, the bad data whose differential coefficient is greater than the threshold value is identified. A numerical case study demonstrates that this method overcomes the impact of bad data in the statistical historical data,and as a result improves the operability and practicality of bad data identification.A new bad data correction method is presented, which takes all the measurement points load information into consideration. Compared with the correction method which considers only the load information of two points before and behind the bad data measurement point, this method improves the accuracy and effectiveness of the bad data correction.

Key words: bad data, identification and correction, load curve clustering, fuzzy C-means algorithm

中图分类号:

TM744

刘辉舟, 周开乐, 胡小建. 基于模糊负荷聚类的不良负荷数据辨识与修正[J]. 中国电力, 2013, 46(10): 29-34.

LIU Hui-zhou, ZHOU Kai-le, HU Xiao-jian. Bad Data Identification and Correction Based on Load Clustering by FCM Algorithm[J]. Electric Power, 2013, 46(10): 29-34.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2013.10.29.5

https://www.electricpower.com.cn/CN/Y2013/V46/I10/29

参考文献

[1] 卢志刚,程慧琳,冯磊,等. 基于证据融合理论的多不良数据辨识[J]. 电网技术,2012,36（1）：123-128.
LU Zhi-gang, CHENG Hui-lin, FENG Lei, et al . Multi bad data identification based on evidence fusion theory[J]. Power System Technology, 2012, 36(1): 123-128.
[2] 吴军基,杨伟,葛成,等. 基于GSA的肘形判据用于电力系统不良数据辨识[J]. 中国电机工程学报,2006,26（22）：23-28.
WU Jun-ji, YANG Wei, GE Cheng, et al . Application of GSA- based elbow judgment on bad-data detection of power system [J]. Proceedings of the CSEE, 2006, 26(22): 23-28.
[3] 张国辉,王宾,潘贞存,等. 配电系统电压跌落状态估计中的不良数据辨识[J]. 电网技术,2010,34（8）：69-73.
ZHANG Guo-hui, WANG Bin, PAN Zhen-cun, et al . Bad data identification in voltage sag state estimation of distribution system[J]. Power System Technology, 2010, 34(8): 69-73.
[4] 康仁. 基于小波分析的母线负荷预测不良数据检测[J]. 中国电力,2011,44（8）： 5-8.
KANG Ren. Bad data identification based on wavelet in bus load forecasting [J]. Electric Power, 2011, 44(8): 5-8.
[5] 张晓星,程其云,周湶,等. 基于数据挖掘的电力负荷脏数据动态智能清洗[J]. 电力系统自动化,2005,29（8）：60-64.
ZHANG Xiao-xing, CHENG Qi-yun, ZHOU Quan, et al . Dynamic intelligent cleaning for dirty electric load data based on data mining[J]. Automation of Electric Power Systems, 2005, 29(8):60-64.
[6] DEPURU S S S R, WANG L F, DEVABHAKTUNI V. Support vector machine based data classification for detection of electricity theft [C]// Power Systems Conference and Exposition (PSCE), 2011, 3: 1-8.
[7] 李钊年. 电力系统状态估计中的不良数据辨识[J]. 青海大学学报：自然科学版,2001,19（1）：49-51.
LI Zhao-nian. Identification of bad data of electric power system state estimation [J]. Journal of Qinghai University: Nature Science Edition, 2001, 19(1): 49-51.
[8] 刘莉,翟登辉,姜新丽. 电力系统不良数据检测与辨识方法的现状与发展[J]. 电力系统保护与控制,2010,38（5）：143-147, 152.
LIU Li, ZHAI Deng-hui, JIANG Xin-li. Current situation and development of the methods on bad-data detection and identification of power system [J]. Power System Protection and Control, 2010, 38(5): 143-147, 152.
[9] 李培强,李欣然,罗安. 基于数理统计和模糊聚类的变电站负荷特性判别比较[J]. 中国电力,2011,44（1）：15-18.
LI Pei-qiang, LI Xin-ran, LUO An. Load characteristics discrimination analysis based on mathematical statistics and fuzzy clustering [J]. Electric Power, 2011, 44(1): 15-18.
[10] 刘莉,王刚,翟登辉. k-means聚类算法在负荷曲线分类中的应用[J]. 电力系统保护与控制,2011,39（23）：65-68,73.
LIU Li, WANG Gang, ZHAI Deng-hui. Application of k-means clustering algorithm in load curve classification [J]. Power System Protection and Control, 2011, 39(23): 65-68, 73.
[11] 蒋德珑,王克文,王祥东. 基于模糊等价矩阵聚类分析的不良数据辨识[J]. 电力系统保护与控制,2011,39（21）：1-6,11.
JIANG De-long, WANG Ke-wen, WANG Xiang-dong. Clustering method of fuzzy equivalence matrix to bad-data detection and identification [J]. Power System Protection and Control, 2011, 39(21): 1-6, 11.
[12] 李欣然,姜学皎,钱军,等. 基于用户日负荷曲线的用电行业分类与综合方法[J]. 电力系统自动化,2010,34（10）：56-61.
LI Xin-ran, JIANG Xue-jiao, QIAN Jun, et al . A classifying and synthesizing method of power consumer industry based on the daily load profile[J]. Automation of Electric Power Systems, 2010, 34(10): 56-61.
[13] RASANEN T, VOUKANTSIS D, NISKA H, et al . Data-based method for creating electricity use load profiles using large amount of customer-specific hourly measured electricity use data[J]. Applied Energy, 2010, 87(11): 3538-3545.
[14] 曾博,张建华,丁蓝,等. 改进自适应模糊C均值算法在负荷特性分类的应用[J]. 电力系统自动化,2011,35（12）：42-46.
ZENG Bo, ZHANG Jian-hua, DING Lan, et al . An improved adaptive fuzzy c-means algorithm for load characteristics classification [J]. Automation of Electric Power Systems, 2011, 35(12): 42-46.
[15] GAVRILAS M, IVANOV O, GAVRILAS G. Load profiling with fuzzy self-organizing algorithms [C]// 9th Symposium on Neural Network Application in Electrical Engineering (NEUREL), Belgrade, Serbia, Sept. 25-27, 2008.
[16] CHICCO G, NOBERTO R, PIGLIONE F. Comparisons among clustering techniques for electricity customer classification[J].IEEE Transaction on Power Systems, 2006, 21(2): 933-940.
[17] 白莉媛,胡声艳,刘素华. 一种基于模拟退火和遗传算法的模糊聚类算法[J]. 计算机工程与应用,2005,36（9）：56-57.
BAI Li-yuan, HU Sheng-yan, LIU Su-hua. A fuzzy clustering algorithm based on simulated annealing and genetic algorithm [J].Computer Engineering and Applications, 2005, 36(9): 56-57.
[18] XIE X L, BENI G. A validity measure for fuzzy clustering [J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 1991, 13(8): 841-847.
[19] 张忠华. 电力系统负荷分类研究[D]. 天津：天津大学,2007.
ZHANG Zhong-hua. Study on load classification in power system [D]. Tianjin: Tianjin University, 2007.

基于模糊负荷聚类的不良负荷数据辨识与修正

Bad Data Identification and Correction Based on Load Clustering by FCM Algorithm

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	周健, 冯楠, 季怡萍, 冯煜尧, 王帅, 李少岩. 考虑源网协同支撑作用的含新能源电力系统网架重构决策优化方法[J]. 中国电力, 2024, 57(10): 150-157.
[2]	申旭辉, 刘建坤, 高雯曼, 张鑫, 周前. 500 kV UPFC适用场景的量化评估方法和选点方案[J]. 中国电力, 2019, 52(10): 65-71,78.
[3]	高长征, 阎博, 王佳蕊, 常学飞, 孙玥. 具有指数收敛速度的电力系统全分布式潮流算法[J]. 中国电力, 2019, 52(10): 85-91.
[4]	杨磊, 罗萍萍, 王高猛, 刘阳升. 配电网单-三相混合潮流计算模型及算法[J]. 中国电力, 2019, 52(1): 102-109.
[5]	杨金刚, 何成明, 李顺昕, 史智萍, 李笑蓉, 石少伟. 短路电流计算外网等值方法研究及应用[J]. 中国电力, 2018, 51(12): 56-62.
[6]	卫鹏, 周前, 朱鑫要, 嵇托, 张宁宇. 可控移相器对特高压交直流接入受端电网影响研究[J]. 中国电力, 2018, 51(7): 7-12.
[7]	宁剑. 基于电网分区辨识的静态安全在线校正策略改进及应用[J]. 中国电力, 2017, 50(8): 118-124.
[8]	唐灿, 郭睿, 顾黎强, 董树锋. 基于图分割的潮流计算中的节点优化编号[J]. 中国电力, 2017, 50(4): 52-58.
[9]	宋宗耘, 牛东晓, 肖鑫利, 朱琳. 基于改进萤火虫算法优化SVM的变电工程造价预测[J]. 中国电力, 2017, 50(3): 168-173.
[10]	刘爱国，张弘. 一种基于广度优先搜索配电网潮流计算的改进编号方法[J]. 中国电力, 2016, 49(10): 74-78.
[11]	陈建华，李雨，张昊，李烜，郭子明. 高压并联输电线路无功环流问题的影响机理分析[J]. 中国电力, 2016, 49(6): 83-89.
[12]	金学成，邹根华，张浩，孙玥，崔波. 考虑抗差状态估计大误差点的电网可疑参数辨识及其应用[J]. 中国电力, 2016, 49(2): 114-117.
[13]	周前, 孙志明, 卫鹏, 安海云. 一种基于电网特征差异的线损水平评价方法[J]. 中国电力, 2015, 48(12): 103-109.
[14]	覃松涛，邵常宁，李凌，赵燃，刘梅. 基于DSATools的发电机及其控制系统模型参数仿真方法[J]. 中国电力, 2015, 48(1): 68-75.
[15]	马义松，武志刚. 基于ODM的BPA与PSS/E两端直流潮流数据转换[J]. 中国电力, 2015, 48(8): 67-72.

模态框（Modal）标题

基于模糊负荷聚类的不良负荷数据辨识与修正

Bad Data Identification and Correction Based on Load Clustering by FCM Algorithm

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics