基于投票策略的智能配电网柔性负荷聚类分析方法

面向智能配电网台区负荷特性差异大,以及传统聚类算法的聚类效果、聚类精度以及鲁棒性难以平衡的问题,结合K均值(K-means)算法和基于灰狼优化的模糊C均值(fuzzy C-means clustering algorithm based on Grey Wolf optimization, GWO-FCM)算法等不同算法的聚类稳定性和聚类效应,提出一种基于投票策略的智能配电网柔性负荷聚类分析方法。通过集成树拟合,实现智能配电网台区柔性负荷高维数据的降维。利用马氏距离克服聚类指标维度的相关性,进而确定有效聚类数。通过卡林斯基-哈拉巴斯指数(Calinski-Harabaz, CH)确定基准聚类算法。通过一致性函数矩阵对聚类结果进行统一,攻克了聚类结果不稳定的问题,得到更一致、更稳定的总体聚类结果。通过宁夏回族自治区智能配电台区实际运行数据分析,验证了所提基于投票策略的聚类算法的有效性。