一种基于改进粗糙C-means的负荷曲线聚类方法

    公开(公告)号:CN118194074B

    公开(公告)日:2024-09-10

    申请号:CN202410622100.1

    申请日:2024-05-20

    Abstract: 本发明属于电力系统负荷分类技术领域,公开了一种基于改进粗糙C‑means的负荷曲线聚类方法,首先对原始日负荷数据进行归一化处理,并确定目标聚类个数、初始聚类中心、下近似权值、上近似权值和距离判断阈值。随后计算每条负荷曲线到各聚类中心的距离,并将每条负荷曲线归入到对应类簇的上/下近似集。最后考虑负荷曲线与聚类中心的距离以及邻域内数据分布密度,在聚类中心的迭代公式中引入混合不平衡度量,量化簇内负荷曲线空间分布不平衡对聚类中心迭代的影响程度。本发明能够有效地处理负荷曲线分布不均衡的问题,提升聚类效果,更好地为需求响应、负荷预测等提供技术支持。

    面向交通电气化耦合系统的电动汽车双层决策引导方法

    公开(公告)号:CN118395829A

    公开(公告)日:2024-07-26

    申请号:CN202410264436.5

    申请日:2024-03-08

    Abstract: 本发明公开了面向交通电气化耦合系统的电动汽车双层决策引导方法,包括如下步骤:获取电动汽车的环境数据;将环境数据输入至训练好的用于求解电动汽车充电站推荐与路线导航的双层FMDP模型中,得到电动汽车的决策引导结果;通过基于DQN架构的改进Rainbow算法,对双层FMDP模型进行训练求解,得到训练好的双层FMDP模型;所述基于DQN架构的改进Rainbow算法包括Double DQN机制、Dueling DQN机制、优先回放缓存机制、学习率衰减策略以及辍学层技术。基于DQN架构的改进Rainbow算法提高了双层FMDP模型的学习能力、决策性能以及泛化能力,通过训练好的双层FMDP模型实现电动汽车双层决策引导,以实现用户充电成本降低的同时确保电网的稳定运行。

    一种基于改进粗糙C-means的负荷曲线聚类方法

    公开(公告)号:CN118194074A

    公开(公告)日:2024-06-14

    申请号:CN202410622100.1

    申请日:2024-05-20

    Abstract: 本发明属于电力系统负荷分类技术领域,公开了一种基于改进粗糙C‑means的负荷曲线聚类方法,首先对原始日负荷数据进行归一化处理,并确定目标聚类个数、初始聚类中心、下近似权值、上近似权值和距离判断阈值。随后计算每条负荷曲线到各聚类中心的距离,并将每条负荷曲线归入到对应类簇的上/下近似集。最后考虑负荷曲线与聚类中心的距离以及邻域内数据分布密度,在聚类中心的迭代公式中引入混合不平衡度量,量化簇内负荷曲线空间分布不平衡对聚类中心迭代的影响程度。本发明能够有效地处理负荷曲线分布不均衡的问题,提升聚类效果,更好地为需求响应、负荷预测等提供技术支持。

Patent Agency Ranking