[发明专利]基于改进模糊C均值聚类算法的配电网动态重构方法

权利要求书

1.基于改进模糊C均值聚类算法的配电网动态重构方法，其特征在于包括以下步骤：

步骤一、通过EEMD-SVR组合预测模型和历史功率数据，对DG输出功率和负荷功率进行日前功率预测；

步骤二、输入配电网初始参数、负荷功率预测量、DG预测出力值相关初始参数；

步骤三、依据功率预测数据构建分段损失函数，以确定最优分段数；并通过改进模糊C最优聚类分析算法，实现日内动态重构时段划分；

所述步骤三中，依据功率预测数据，指的是通过EEMD-SVR组合预测模型预测出来的日前24小时功率数据，构建分段损失函数，确定最优分段数，将段内加权误差平方和定义为分段损失函数S(c)，即：

d(w,j)＝||x_j-M_w||²＝(x_j-M_w)^T(x_j-M_w)    (7)

式(7)中，x_j表示第j个节点的等效负荷功率；M_w表示w时段的聚类中心负荷参数；j为第j个节点，w表示第w个时段；T为转置；

式(8)中，c表示第c个聚类中心；n为节点数；d(w,j)表示第j个节点在w时段内的加权误差平方和；

设定分段范围为1～24，通过设定改进模糊C均值聚类算法不同的初始迭代分段数，可分别求得不同分段数下的损失函数值并对损失函数进行数据拟合；

分段数与损失函数呈负相关，且随着分段数的增加，损失函数变化率越小；为保证时段划分的效率，取损失函数变化率的极值点所对应的分段数作为最优分段数，将最优时段数求解问题转化为函数斜率极值的求解，则最优分段数F的求解公式为：

式中，S_d(c)表示相邻分段次数的斜率；S_Z(c)表示相邻分段数的斜率变化率；argmax表示相邻分段数的斜率变化率最大值时分段数的取值；通过分段损失函数和斜率变化率选取规则，最终可确定最优时段划分数；

式(9)中，S(c+1)、S(c)分别为第c+1个聚类中心的分段损失函数、第c个聚类中心的分段损失函数；

式(10)中，S_d(c)、S_d(c-1)分别为第c个聚类中心的最优分段数、第c-1个聚类中心的最优分段数；

式(11)中，c∈[2,24]表示为第c个聚类中心取值范围为2-24；

步骤四、依据聚类算法，确定时段划分方案和各时段等效负荷中心；

步骤五、通过改进细菌觅食算法，分别对配电网各时段进行静态重构优化；

步骤六、根据日内重构各时段的优化调节方案，计算确定配电网日内运行网络损耗和电压波动情况，输出求解后的相关参数；

通过上述步骤，实现配电网动态重构。