基于负荷不确定性建模的静态电压稳定性风险评估

该文以负荷不确定性建模为基础,提出一种静态电压稳定性风险评估方法。负荷不确定性建模分3个阶段进行,其一采用改进模糊C均值聚类方法、Cholesky分解和多维正态分布抽样技术得到初始负荷波动模型;其二基于蒙特卡罗方法,建立可同时计及负荷增长方向及功率因数随机变化、用来模拟多节点负荷持续增长情景的概率超圆锥体模型;其三以相关系数和互信息量为评判体系,根据负荷曲线相似度将节点分群,确定负荷出现同时增长的节点编号。之后,构建蒙特卡罗-连续潮流算法,植入负荷不确定性模型,提出4项分别针对节点、线路及系统的风险指标,得到完整的风险评估体系。该文以太原110k V电网为例,对比分析了含恒功率负荷模型系统与含综合负荷模型系统的风险水平、薄弱区域,验证了文中所提方法的准确性和有效性。

一种基于角相似性的k-最近邻搜索算法

k-最近邻搜索(KNNS)在高维空间中应用非常广泛,但目前很多KNNS算法是基于欧氏距离对数据进行索引和搜索,不适合采用角相似性的应用。提出一种基于角相似性的k-最近邻搜索算法(BA-KNNS)。该算法先提出基于角相似性的数据索引结构(BA-Index),参照一条中心线和一条参照线,将数据以系列壳—超圆锥体方式进行组织并分别线性存储;然后确定查询对象的空间位置,有效确定一个以从原点到查询对象的直线为中心线的超圆锥体并在其中进行搜索。实验结果表明,BA-KNNS算法较其他k-最近邻搜索算法有更好的性能。

一种基于动态聚类的模糊分类规则的生成方法

介绍了一种基于动态聚类的模糊分类规则的生成方法,这种方法能决定规则数目,隶属函数的位置及形状.首先,介绍了基于超圆锥体隶属函数的模糊分类规则的基本形式;然后,介绍动态聚类算法,该算法能将每一类训练模式动态的分为成簇,对于每簇,则建立一个模糊规则;通过调整隶属函数的斜度,来提高对训练模式分类识别率,达到对模糊分类规则进行优化调整的目的;用两个典型的数据集评测了这篇文章研究的方法,这种方法构成的分类系统在识别率与多层神经网络分类器相当,但训练时间远少于多层神经网络分类器的训练时间.

基于角相似性的k最近邻搜索研究

在高维空间中k最近邻搜索（KNNS）应用非常广泛，但是目前很多KNNS算法都根据欧氏距离对数据进行索引和搜索，不适合采用角相似性的应用。本文提出一种基于角相似性的k最近邻搜索算法（AS—KNNS）。该算法先提出基于角相似性的数据索引结构（AS-Index），参照一条中心线和一条参照线，将数据以系列壳．超圆锥体方式进行组织并分别线性存储；然后确定查询对象的空间位置，有效确定一个以从原点到查询对象的直线为中心线的超圆锥体并在其中进行搜索。实验结果表明，AS-KNNS算法较其他k最近邻搜索算法有更好的性能。