

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、電力負荷聚類分析是需求側(cè)管理、負荷建模、電力系統(tǒng)規(guī)劃等工作的重要基礎,對電力系統(tǒng)的分析、運行、規(guī)劃都具有重要意義。隨著電力系統(tǒng)信息化程度的不斷提高,配用電側(cè)不斷生產(chǎn)并記錄著海量數(shù)據(jù),同時電力公司的營配一體化實現(xiàn)了多種不同業(yè)務系統(tǒng)的集成,這為更有效的挖掘負荷數(shù)據(jù)奠定了基礎。精確化的電力負荷聚類能提煉出負荷的共性特征,對于用戶層的負荷聚類分析能提取其用電模式,幫助深刻把握用戶用電規(guī)律;對于變電站層的負荷聚類分析則能在很大程度上反映系統(tǒng)的運行
2、狀態(tài),能有效解決負荷的時變性及區(qū)域分散性問題。
本研究主要內(nèi)容包括:⑴總結(jié)了負荷聚類的基本步驟,介紹了現(xiàn)有電力負荷聚類研究涉及的經(jīng)典算法以及常見的幾種聚類有效性評價指標,并對不同算法的優(yōu)缺點做了評價。⑵對于用戶負荷聚類,通過充分的算法比較分析,對用戶聚類算法的選取提供了參考意見,為提高聚類算法計算效率,研究分析了常見的降維方法的效果。⑶現(xiàn)有關(guān)于變電站負荷的聚類研究基本都以行業(yè)構(gòu)成比例為分析數(shù)據(jù),而變電站下層的用戶行業(yè)屬性通常是
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 線徑與(電流)負荷量
- 單位面積空調(diào)負荷量指標
- 基于數(shù)據(jù)驅(qū)動的短期電力負荷預測方法研究.pdf
- 基于模糊聚類選取相似日的短期電力負荷預測.pdf
- 負荷特性聚類與負荷模型辨識研究.pdf
- 基于電力負荷動特性曲線分析的負荷預測方法研究.pdf
- 基于電力大數(shù)據(jù)的負荷預測研究.pdf
- 基于實測數(shù)據(jù)的電力負荷建模研究.pdf
- 基于雙層聚類的用電負荷分類研究.pdf
- 基于南昌電網(wǎng)的多特征量短期電力負荷預測方法研究.pdf
- 基于電力負荷時間序列混沌特性的短期負荷預測方法研究.pdf
- 成分關(guān)系銜接文體功能負荷量的英漢對比研究.pdf
- 基于數(shù)據(jù)挖掘聚類和RBF-NN模型融合的短期負荷預測方法.pdf
- 變電站負荷聚類與綜合負荷建模研究.pdf
- 電力負荷模型與基于虛擬儀器的負荷特性測辨系統(tǒng)的研究.pdf
- 電力負荷預測方法的研究
- 基于負荷分解的電力系統(tǒng)短期負荷預測方法的研究.pdf
- 基于數(shù)據(jù)挖掘的電力短期負荷預測模型及方法的研究.pdf
- 電力負荷預測方法研究
- 農(nóng)業(yè)非點源污染年負荷量估算方法研究——以淮河淮南段為例.pdf
評論
0/150
提交評論