基于聚類分析的電能質(zhì)量評(píng)估方法.pdf

1、當(dāng)前電能質(zhì)量問題日益突出，科學(xué)有效的電能質(zhì)量評(píng)估是當(dāng)務(wù)之急。本文介紹了電能質(zhì)量評(píng)估的現(xiàn)狀，在現(xiàn)有評(píng)估方法的基礎(chǔ)上，研究基于聚類分析的電能質(zhì)量評(píng)估方法。
　　首先，介紹了基于概率統(tǒng)計(jì)與矢量數(shù)學(xué)、組合賦權(quán)法和物元法的電能質(zhì)量評(píng)估方法，做了相關(guān)的算例分析，并且分析比較了它們的優(yōu)缺點(diǎn)，為電能質(zhì)量評(píng)估方法的完善打下了基礎(chǔ)，也為實(shí)際應(yīng)用中選擇合適的評(píng)估方法提供了參考。
　　其次，提出了一種基于等價(jià)關(guān)系聚類的電能質(zhì)量評(píng)估方法。通過計(jì)算模糊

2、等價(jià)矩陣得出相關(guān)系數(shù)的數(shù)值，進(jìn)而根據(jù)相關(guān)系數(shù)的大小評(píng)估聚類對象的電能質(zhì)量情況。基于等價(jià)關(guān)系的聚類分析簡單明了、計(jì)算簡便，而且結(jié)合了模糊數(shù)學(xué)的相關(guān)知識(shí)，解決了電能質(zhì)量評(píng)估無法定量分析的問題。
　　再次，綜合應(yīng)用遺傳算法(Genetic Algorithm，GA)、馬氏距離(MahalanobisDistance，MD)、模糊C均值聚類(Fuzzy C-Means，F(xiàn)CM)方法，提出了一種基于GA-MD-FCM算法的電能質(zhì)量評(píng)估方法。

3、利用遺傳算法克服原始FCM算法易陷于局部最優(yōu)解的缺點(diǎn)，且用馬氏距離替代歐式距離能夠考慮不同屬性之間的差異。GA-MD-FCM算法能有效評(píng)估電能質(zhì)量，收斂速度快，價(jià)值函數(shù)相對原始FCM算法明顯減小，具有優(yōu)良的聚類效果，且不需要人工干預(yù)，克服了傳統(tǒng)方法受主觀因素影響較大的缺點(diǎn)。
　　最后，提出了一種基于改進(jìn)灰色聚類和組合賦權(quán)法的電能質(zhì)量評(píng)估方法。針對傳統(tǒng)灰色聚類的不足，引入了指數(shù)型白化權(quán)函數(shù)，有效解決了零白化權(quán)函數(shù)值的問題。采用層次分