基于改进模糊C-均值聚类的陆上风电场集电线路回路划分与拓扑结构优化

【目的】在“双碳”目标以及我国能源结构加速转型的双重驱动下,风电产业规模不断快速增长,亟须降本增效以应对平价上网压力。集电线路的造价在投资中占比较大,存在可观的优化空间。为了降低投资成本,提出了一种改进模糊C-均值(fuzzy C-means,FCM)聚类算法。【方法】利用改进FCM聚类算法对陆上风电场集电线路回路进行划分。该算法综合考虑了方位角与欧式距离,以保障回路间线路不交叉,并使相邻机组聚集到同一回路;引入机位到聚类中心距离的修正因子,通过调节其数值限制回路容量。在回路划分的基础上,利用动态Prim算法对各回路进行集电线路优化选线。最后,通过某陆上风电场算例验证方法的有效性。【结果】与只考虑方位角的聚类方法相比,考虑方位角和间距的改进FCM算法优化效果更好,单回、双回连接对应的集电线路总造价分别降低了2.6%和5.4%。【结论】所提算法能够有效降低集电线路的总造价,具有一定的应用价值,可为风电场集电线路设计提供参考。

基于最大联盟粗糙集的三支聚类

针对邻域粗糙集模型受邻域参数影响大、刻画样本信息时不够精细等问题,提出了一种基于最大联盟理论的粗糙集模型。在标准化邻域信息系统后,引入最大联盟集来描述邻域颗粒信息,使得邻域粗糙集模型对信息的划分更加精细,从而显著降低了边界域的不确定性。将该模型与三支聚类相结合,设计了一种基于最大联盟粗糙集的三支聚类算法。在6个UCI公共数据集上进行对比实验,结果表明,所提算法相较于对比算法具有更好的聚类质量,在处理边界域样本时具有更高的比较正确率。

基于广义粒度自编码器的模糊粗糙聚类方法

为了解决模糊化器参数的不确定性问题,提出基于广义粒度自编码器的模糊粗糙聚类方法。基于阴影集优化每个聚类的划分阈值,将所有模式划分为不同的近似区域;通过多粒度近似区域捕捉模糊参数产生的不确定性,包括模糊化系数产生的不确定性,边界区域和重叠分区产生的模糊性;进一步建立多级粒度自编码器评价聚类模型的质量。多个数据集聚类对比实验表明该方法能够有效挖掘不确定信息,提升聚类性能。

基于支持向量聚类和模糊粗糙集的交通流数据修复方法

为解决受天气影响、探测器故障和人为错误等多种原因造成的交通流数据丢失问题,提出一种基于模糊粗糙集理论的交通流数据补缺方法,将支持向量聚类与模糊粗糙集结合进行交通流数据的分类,并结合模糊神经网络和遗传算法进行数据补齐。该方法对支持向量聚类参数,聚类大小和加权因子进行优化,并估计缺失值。研究结果表明所提出的混合方法具有足够且合理的数据修复性能,与模糊神经网络等估算模型的结果对比表明,该模型的数据修复效果优于其他对比模型。

集成粗糙集和阴影集的簇特征加权模糊聚类算法

特征加权是聚类算法中的常用方法,决定权值对产生一个有效划分非常关键。基于模糊集、粗糙集和阴影集的粒计算框架,本文提出计算不同簇特征权重的聚类新方法,特征权值随着每次迭代自动地计算。每个簇采用不同的特征权重可以更有效地实现聚类目标,并使用聚类有效性指标包括戴维斯-Bouldin指标(Davies-Bouldin,DB)、邓恩指标(Dunn,Dunn)和Xie-Beni指标(Xie-Beni,XB)分析基于划分的聚类有效性。真实数据集上的实验表明这些算法总是收敛的,而且对交叠的簇划分更有效,同时在噪声和异常数据存在时具有鲁棒性。

犹豫模糊数据对象集的谱聚类算法

目前适用于犹豫模糊数据对象集的聚类算法研究仍然非常有限,现有的犹豫模糊数据对象集层次聚类算法受异常点影响较大且容易聚成链状.针对上述问题,本文首先提出了一种可扩展的犹豫模糊集的加权相似度计算方法,该方法不仅可以利用不同的函数计算相似度,而且可以根据实际问题构造最优的相似度函数.基于该加权相似度计算方法,结合经典的谱聚类算法提出了犹豫模糊数据对象集的谱聚类算法(SCHF).针对目前国内外还没有可用于犹豫模糊数据对象集聚类的标准数据集的现实情况,本文提出了一种确定性数据的犹豫模糊方法并在仿真实验中应用.仿真实验不仅验证了SCHF算法的有效性,而且表明SCHF算法比两种已知算法有更好的聚类效果.

融合粗糙集和模糊聚类的连续数据知识发现

知识自动获取是困扰基于知识的系统普遍推广应用的瓶颈,粗糙集理论是一种从历史数据中发现规则知识的数学工具。该文针对粗糙集方法应用于电厂与电力系统数据挖掘中存在的连续属性离散化问题,提出了基于模糊聚类的离散化方法。采用模糊C平均(FCM)算法离散连续属性,获得各类的聚类中心以及属性值隶属于各聚类中心的隶属度矩阵,得到离散化的数据。将粗糙集方法应用于离散化后的数据挖掘隐含在历史数据中的知识。最后进一步讨论了置信度、支持度等指标对规则的评价方法。给出的汽轮机轴系振动故障诊断规则获取算例验证了整个知识发现方案的可行性。

基于模糊粗糙集与改进聚类的神经网络风速预测

提高风电功率预测精度是保障风电场和电力系统安全稳定运行的有效手段。神经网络方法已在风电功率预测中得到了广泛应用,并取得了不错的效果,而网络的输入变量与训练样本对其预测性能有着重要影响。基于此,提出一种基于模糊粗糙集与改进聚类的神经网络风速预测方法。采用模糊粗糙集对影响风电场风速的多种因素进行了属性约简,得到优化了的模型输入及各属性对风速的重要性;采用基于属性重要性的加权欧氏距离对传统聚类进行改进,建立了各聚类预测模型,并提取相似性较高的数据作为训练样本训练各类预测模型,对训练样本实现了优选;根据当前属性值选择匹配的模型对风速进行预测。以华北地区某风电场实际数据为例进行了实验,结果表明该方法能在较少的模型输入下有效地提高预测精度。

基于粗糙集和模糊聚类理论的文本分类系统的研究与实现

随着Internet的发展及广泛应用,越来越多的文本信息以待阅读和处理。文本分类成为众所关注但仍未很好解决的热门课题。本文提出一种基于粗糙集和模糊聚类(RS&FC)理论的文本分类新模型,详细讨论和分析了该模型的总体设计思想、主要实现技术和有关的算法及实现方案。该模型在分类规则产生之前,以训练样本直接聚类的结果构造信息表,并对表中的连续属性离散化,再对信息表中的特征词属性进行二次聚类,压缩文本特征子集的向量维数,提取关键字特征属性,建立决策信息表,然后利用粗糙集理论,采用启发式约简算法,对信息表进行约简,产生优化的分类规则,指导文本分类。最后通过实验和性能评价,本文提出的分类方法的分类准确率高于传统的K-最近邻分类(K-NN)法,提高了系统的适应性能和分类能力。

基于粗糙集和模糊聚类的农机化水平评价方法

为科学评价农业机械化发展水平,在建立农业机械化发展水平评价指标体系的基础上,利用模糊聚类方法,在不同置信水平上对由评价对象组成的论域进行分类,同时结合粗糙集理论中的知识熵来确定各指标的权重。该方法从统计数据出发,避免了主观因素对评价结果的影响,使评价结果具有相对客观性。实例表明,评价结果与实际情况基本一致,为评价农业机械化发展水平提供了一种新方法。

基于粗糙集理论的岩体结构面模糊C均值聚类分析

基于在利用模糊C均值聚类算法对岩体结构面产状进行优势分组时,需要人为确定分组数和初始聚类中心,在迭代过程中容易陷入局部最优解的问题,通过改进聚类中心的算法,提出一种基于粗糙集的模糊C均值聚类算法,以优化迭代过程,并通过对比多项聚类有效性检验参数,确定最优聚类分组情况。最后采用模糊C均值聚类算法和改进后的算法对浙江白鹤隧道左洞测得的结构面产状进行优势分组并对比。计算结果表明,本文所提出的方法聚类效果明显优于模糊C均值聚类算法。

粗糙集模糊聚类分析法在昆虫分类研究中的应用

本文根据昆虫图像,对半翅目、鳞翅目、鞘翅目的28种昆虫提取的形状参数、叶状性、球状性等7项数学形态特征进行了粗糙集模糊聚类分析。在粗糙集处理的基础上,分别进行7指标和3指标(相对约简)两种不同的模糊聚类分析法相比较。结果显示,在作为目级阶元分类指标时,各项特征的重要性依次为:(似圆度、偏心率)>(亮斑数、球状性、圆形性)>(叶状性、形状参数);粗糙集分类正确率优于模糊聚类分析法;粗糙集处理后的3指标分类正确率优于未处理的7指标分类正确率。结论认为,粗糙集理论在昆虫依据数学形态特征进行分类方面与统计分析方法相比更有优势,粗糙集滤过指标后再进行模糊聚类法分析在昆虫分类研究上具有重要意义。

基于模糊聚类和粗糙集的仿真可信性模糊综合评估

为客观有效地解决仿真可信性评估问题,提出基于模糊聚类和粗糙集的仿真可信性模糊综合评估方法。阐述了基于模糊传递闭包法进行模糊聚类分析的基本步骤,分析了粗糙集中属性重要性的相关原理;提出了基于模糊聚类和粗糙集的可信性模糊综合评估模型,利用模糊聚类和粗糙集中的属性重要性原理客观地进行各因素权重分配,结合模糊综合评判进行仿真可信性综合评估;以某飞行视景仿真系统为例,进行可信性综合评估。结果表明,该方法具有一定的合理性和可行性。

基于粗糙集和模糊C均值聚类算法的可再生能源投资风险评价

针对可再生能源发电项目投资风险评价问题,提出了基于粗糙集理论与模糊C均值聚类算法的可再生能源投资风险评价模型。基于全寿命周期理论,在构建可再生能源共性风险指标体系的基础上,建立可再生能源投资风险评价信息系统;分别利用模糊C均值聚类算法和粗糙集对评价指标进行离散化处理和属性约简,确定项目投资评价的关键风险指标及其权重;最后得出各类可再生能源投资项目的综合评价值。以风电投资项目为例进行了实证分析,结果表明,该方法以评价对象的客观数据为依据来确定其综合评价值,评价结果准确合理,可为可再生能源发电项目的投资选择提供一定的参考。

基于模糊聚类和粗糙集提取我国经济增长的模糊规则

提出了一种基于模糊软分类和粗糙集理论来提取模糊规则的一种算法。该算法分为3个步骤:1通过模糊软分类对样本进行模糊划分,得到隶属度矩阵;2运用粗糙集理论和得到的隶属度矩阵生成初始决策表;3简化决策表,提取规则。最后运用该算法提取我国经济增长的模糊规则。

基于粗糙集和模糊聚类的复杂曲面零件可制造性评价

针对复杂曲面零件的可制造性,建立了复杂曲面零件可制造性评价指标和模型,在设计初期能够对曲面的可加工性进行预测,提高曲面加工质量和效率。将影响复杂曲面零件可制造性的因素分为几何构型复杂度和加工技术复杂度。首先针对曲面几何构型复杂度,基于模糊聚类算法,按照复杂曲面曲率分布特征和斜率分布特征对曲面进行聚类分析,建立曲面簇群体模式;然后综合考虑加工技术复杂度中的各属性,运用粗糙集理论的数据离散和指标约减算法计算各属性权重,形成曲面评价知识库;最后利用模糊模式识别和曲面相似度的计算方法预测设计曲面零件的可制造性。实例分析表明,该方法能够较准确地对曲面可制造性进行评价。

基于模糊聚类的粗糙集决策表简化方法研究

决策表是一种特殊而重要的知识系统,在决策支持和数据挖掘等领域有着重要的应用。该文给出了一种基于模糊聚类的粗糙集决策表分析方法。该方法结合模糊集和粗糙集理论,由模糊聚类得出模糊决策表,并可以方便地构造决策表和对决策规则表进行简化。

基于奇异值分解、模糊聚类和粗糙集理论的旋转机械故障诊断

对含有重复和冲突对象的离散决策表,提出了一种基于粗糙集的规则获取方法,使得获得的规则能够涵盖所有的对象。对连续条件属性值和离散决策属性值的决策表,基于矩阵的奇异值分解、模糊C均值聚类和粗糙集属性约简技术,提出连续属性最佳离散数目确定方法。在上述方法的基础上,进行旋转机械故障诊断的规则获取,获得的诊断规则具有很好的知识归纳能力和知识泛化能力。利用获得的诊断规则进行旋转机械故障诊断,建立了待诊断对象和诊断规则的弹性匹配模式,使得诊断结论的获取取决于不同的诊断要求。

基于模糊粗糙集的大型汽轮机组设备故障识别方法

针对大型汽轮机组设备故障种类多,提出基于模糊粗糙集的大型汽轮机组设备故障识别方法。首先,模糊化处理大型汽轮机组设备故障信息,将复杂的故障信息转化为简单的模糊编码后,使用故障类型-征兆特征决策表生成方法构建特征决策表,表中各行代表故障类型,各列代表故障征兆特征;将决策表数据输入基于改进可拓神经网络聚类的故障分类模型中,决策表的历史数据作为训练数据,当下机组设备运行状态数据作为测试数据,通过判断当下设备运行状态是否与某故障类型-征兆特征决策表的数据匹配,完成设备故障识别。实验中,此方法可有效识别16种汽轮机组设备故障。

基于粗糙集和模糊聚类的新闻视频镜头边界检测方法

为了将视频分割成镜头,目前的方法都是提取某些特征然后构造不同的相异性函数。然而,太多的特征就会降低镜头分割算法的效率。因此,有必要对每一个镜头检测决策进行特征约简。基于此,提出了基于粗糙集和模糊聚类的分类方法并得到了相应的决策规则。针对新闻场景的特殊性,将镜头分割成突变过渡、渐变过渡以及无场景变化3类。用超过2个小时的新闻视频所做的实验获得了96.5%的查全率和97.9%的准确率。