基于改進DPC-IGWO-Elman的負荷分解方法

打開文本圖片集

［摘 要］ 針對現(xiàn)有負荷分解方法負荷特征單一、分解精度低的問題，提出一種結合改進密度峰值聚類算法與改進灰狼算法優(yōu)化Elman神經網絡的非侵入式負荷分解方法。首先針對密度峰值聚類算法（DPC）在處理復雜數(shù)據集時缺乏自適應能力的問題對局部密度的計算方法進行改進，再將改進DPC算法應用于用電器負荷數(shù)據的聚類分析，從而得到用電器的工作狀態(tài)標簽并進行編碼；之后運用Elman神經網絡構建分解模型同時引入改進灰狼優(yōu)化算法（IGWO）對網絡參數(shù)進行尋優(yōu)，最后根據網絡輸出編碼獲取用電器工作狀態(tài)標簽并根據對應負荷特征信息進行有功功率擬合，完成負荷分解。（剩余9389字）