基于量子遗传和核模糊聚类的低压台区户变关系识别

户变关系对于营配融合、线损分析等业务的开展具有重要作用。为了得到准确的户变关系,提出一种基于量子遗传和模糊聚类的户变关系识别方法,该方法根据不同台区电能表的电压过零偏移特征不同,采用核模糊C均值聚类对电能表电压的过零偏移进行分类,通过与变压器端的过零偏移比较,实现户变关系识别。主要创新点为:采用量子遗传算法对模糊C均值聚类的聚类中心和核参数进行优化,提高聚类精度和效率;提出一种基于类间距离和类内距离的适应度函数构造方法;引入小生境协同进化策略、动态调整策略、Hadamard门变异策略,提高算法寻优能力。通过对Benchmark函数和UCI数据集特征的仿真测试,验证了所提出方法比标准核模糊C均值聚类具有更高的聚类精度和运算效率。采用文中方法对实际的台区变压器和电能表数据进行归属识别,结果表明,所提出方法得到的结果与真实户变关系一致,具有较好的应用效果。