基于密度均值聚类算法的变电站规划研究
The Research on Substation Planning Based on Density-Means Clustering Algorithm
DOI: 10.12677/JEE.2017.51012, PDF, HTML, XML, 下载: 1,603  浏览: 4,792 
作者: 李 峰, 张琪琪, 郭泉辉, 吴 伟：国网江西省电力公司九江供电分公司，江西 九江
关键词: 变电站规划；负荷密度法；聚类中心；聚类算法；Substation Planning； Load Density Method； Center of Clustering； Clustering Algorithm
摘要: 针对变电站规划中站址的选取问题，本文根据变电站负荷的特点，提出了基于密度法的K-均值聚类算法。通过对已有的负荷分布以及变电站的容量类型分析，以密度分布和半径确定聚类中心，结合GIS系统的数据处理功能，并以变电站的负载率和供电半径为约束条件，确定变电站的站址以及供电范围，提高了供电质量，减少线路投资以及运行费用。仿真算例的结果表明了该算法的优越性以及经济性。
Abstract: In this paper, for the site selection of the electric substation planning, according to the characte-ristics of the electric substation load, the k-means clustering algorithm based on density method is presented. Through the analysis of the existing load distribution and electric substation type of its capacity, to determine the clustering center, the radius and density distribution, in combination with GIS data processing function, and in a substation load rate and power supply radius as constraint conditions, the sting of station of electric substation and the supply district are determined, quality of power supply is improved, and the investment and operating cost are reduced. The results of the simulation example demonstrate the superiority and the economy of the algorithm.
文章引用：李峰, 张琪琪, 郭泉辉, 吴伟. 基于密度均值聚类算法的变电站规划研究[J]. 电气工程, 2017, 5(1): 97-104. https://doi.org/10.12677/JEE.2017.51012

参考文献

[1] 高炜欣, 罗先觉, 朱颖. 贪心算法结合Hopfield神经网络优化配电变电站规划[J]. 电网技术, 2004, 28(7): 73-76.
[2] 曹承栋, 常鲜戎, 刘艳. 考虑地理因素的改进量子粒子群算法在多目标电网规划中的应用[J]. 电网技术, 2012, 36(3): 134-139.
[3] Miranda, V., Ranito, J.V. and Proenca, L.M. (1994) Genetic Algorithms in Optimal Multistage Distribution Network Planning. IEEE Transactions on Power Systems, 9, 1927-1933.
[4] 沈瑜, 徐逸清, 陈龙翔. 高压配电网优化规划的研究[J]. 电网技术, 2011, 35(10): 70-75.
[5] 高炜欣, 罗先觉. 基于Hopfield神经网络的多阶段配电变电站的规划优化[J]. 电工技术学报, 2005, 20(5): 58-64.
[6] 葛少云, 李慧, 刘洪. 基于加权Voronoi图的变电站优化规划[J]. 电力系统自动化, 2007, 31(3): 29-34.
[7] 王芳东, 林韩, 温步瀛, 等. 基于改进定位策略的顶点加权Voronoi图高压变电站规划[J]. 华东电力, 2010, 38(11): 1692-1698.
[8] 王玉瑾, 王主丁, 张宗益, 等. 基于初始站址冗余网格动态减少的变电站规划[J]. 电力系统自动化, 2010, 34(12): 39-43.
[9] 王千, 王成, 冯振元, 叶金凤. K-means聚类算法研究综述[J]. 电子设计工程, 2012(7): 21-24.
[10] Anil, K.J. (2010) Data Clustering: 50 Years beyond K-Means. Pattern Recognition Letters, 31, 651-666.
[11] Likas, A., Vlassis, M. and Verbeek, J. (2003) The Global K-Means Clustering Algorithm. Pattern Recognition, 36, 451-461.
[12] 谢娟英, 郭文娟, 谢维信, 高新波. 基于样本空间分布密度的初始聚类中心优化K-均值算法[J]. 计算机应用研究, 2012(3): 888-892.