电商平台网站建设功能介绍,服装品牌策划及营销推广方案,小程序源码什么意思,平台网站建设所需资质目录
1 主要内容
基于密度聚类的数据预处理#xff1a;
场景提取#xff1a;
算法流程#xff1a;
2 部分程序
3 程序结果
4 下载链接 1 主要内容
该程序复现文章《氢能支撑的风-燃气耦合低碳微网容量优化配置研究》第三章内容#xff0c;实现的是基于DBSCAN…目录
1 主要内容
基于密度聚类的数据预处理
场景提取
算法流程
2 部分程序
3 程序结果
4 下载链接 1 主要内容
该程序复现文章《氢能支撑的风-燃气耦合低碳微网容量优化配置研究》第三章内容实现的是基于DBSCAN密度聚类的风电-负荷场景生成与削减模型首先采集风电、电负荷历史数据。然后通过采用 DBSCAN 密度聚类的数据预处理消除异常或小概率电负荷、风电数据。之后针对风电波动性与电负荷时序性、周期性特点将场景提取分为电负荷场景提取和风电场景提取。该方法较传统聚类和场景削减方法有更好的数据预处理过程这样就能消除异常数据得到更准确的聚类结果。 基于密度聚类的数据预处理 DBSCAN是基于一组邻域来描述样本集的紧密程度的算法。DBSCAN需要二个参 数值扫描半径E和最小包含点数MinPts用来描述邻域的样本分布紧密程度。其中E描述了某一样本的邻域距离阈值给定对象以E为半径的区域被称为该对象的 E邻域。MinPts描述了某一样本的距离为E的邻域中样本个数的阈值。如果给定对象E 邻域内的样本点数大于等于MinPts则称该对象为核心对象。不属于核心对象及核心对 象E邻域内的点为噪声点。 场景提取
1.负荷采用改进有序聚类方法进行提取。 以天为单位的电负荷场景在时间上存在连续性而连续的电负荷场景从向量的角度 分析又具有相似性直到出现某一个突变点电负荷数据大小会发生大幅度变化然后 电负荷数据变化又会开始稳定。电负荷数据的这种周期性波动与变化适 合通过有序聚类进行分类。 2.风电采用K-means聚类方法进行提取。 算法流程 2 部分程序 clc
clear all
%% 导入数据
Xxlsread(风电);
x0X;
yxlsread(负荷数据);
figure;
subplot(2,1,1);
plot(X);xlabel(时间/h);ylabel(标幺值);title(全年风电数据);axis([1 8761 0 1])
subplot(2,1,2);hold on
plot(y);xlabel(时间/h);ylabel(功率/KW);title(全年负荷用电数据);axis([1 8761 400 1100]);
%% 变量设定
k 3;
Eps 2;
data [X,y];Ti1:8761;
%% 准备变量输出原始结果
[m,n] size(data);
data[(1:m),data]; %%增加一列表示序号
n n 1; %%增加后列数1
type zeros(1,m);
cluster_No 1;
visited zeros(m,1);
class zeros(1,m)-2;
figure(2);
subplot(2,1,1);
plot3(Ti,data(:,2),data(:,3),.);axis([1,10000,0,1,0,2000]); xlabel(时间/h);ylabel(标幺值);zlabel(功率/KW);%%绘制时间-风电-负荷的三维图
grid on
%daspect([1 1 1]);
%xlabel(x);ylabel(y);
title(原始输入点);
hold on;
%% 运行DBSCAN算法
Kdtree KDTreeSearcher(data(:,2:3)); %%使用训练数据data的m×n数字矩阵来生长默认的Kd树Mdl
for i 1:m% 抽取一个未访问点if visited(i)0% 标为访问visited(i) 1;point_now data(i,:);Idx_range rangesearch(Kdtree, point_now(2:3), Eps); %%使用rangesearch进行半径搜索来搜索存储的树以找到查询数据的所有相邻点index Idx_range{1};if length(index) kclass(i) cluster_No;while indexif visited(index(1)) 0visited(index(1)) 1; %% 标为访问if class(index(1)) 0class(index(1)) cluster_No;endpoint_now data(index(1),:);Idx_range rangesearch(Kdtree, point_now(2:3), Eps);index_temp Idx_range{1};index(1) [];if length(index_temp) kindex [index, index_temp];endelseindex(1) [];endendcluster_No cluster_No 1;endend
end
%% DBSCAN聚类结果3 程序结果 4 下载链接 点击直达
