改进自适应模糊C均值算法在负荷特性分类的应用

模糊 C均值（FCM）算法是一种用于电力负荷特性分类的有效方法。针对传统FCM算法易陷入局部最优且对初始条件敏感的问题，文中提出了基于微分进化（DE）自适应优化的改进措施。相对于FCM算法的梯度最速下降寻优策略，改进算法利用DE多点随机并行搜索，对控制参数及非最优个体进行自适应调整，具有全局搜索能力强、鲁棒性高的特点。实际算例仿真表明，所述算法降低了负荷特性分类对初始值的依赖度，在不同聚类数目的条件下仍具有良好的性能，适用于实际电网滚动规划等对负荷特性分类精度要求更高的领域