刘建华 孟 颖 谭 智

（1.长沙理工大学电气与信息工程学院，长沙 410114；2.长沙理工大学计算机与通信工程学院，长沙 410114）

众多文献研究表明负荷特性对于电力系统运行，特别是电力系统的动态行为有很大的影响[1]，电力负荷模型准确与否直接影响到电力系统仿真结果的准确性[2-3]。建立精确的负荷模型用于电力系统的规划、设计、运行和研究越来越成为电力系统工程实际和学术研究的基本需要[4]。但是由于负荷自身的特殊性，建立精确的电力系统负荷模型非常困难。

随着对负荷建模研究的逐渐深入，负荷特性的分类与综合问题正在受到重视。电力系统负荷变化的规律性使负荷数据呈现出可分类的特点[5-6]。文献[7]中提出了基于改进K均值(K-Means)的负荷聚类算法对电网进行仿真分析。文献[8]中提出了模糊等价关系和模糊C均值(Fuzzy C Means，FCM)两种负荷聚类方法。文献[9]提出了基于自适应FCM聚类的电力负荷动特性分类方法。文献[10]提出了基于数据挖掘的多层次细节分解负荷聚类算法。

本文提出了一种蚁群优化 K-medoids综合算法（下文简称综合算法），并将其应用于变电站负荷特性聚类中，通过K-medoids算法对蚁群的历史最优位置进行聚类分析，将此位置代替K-medoids算法的参考点，作为新的聚类中心，数据可以自适应的加入到适合它的聚类当中。

1 基本原理

1.1 蚁群算法

蚁群算法是Colorni和Dorigo等人在90年代初期提出的一种新型智能模拟仿生优化算法[11]。蚁群算法由于具有正反馈、分布式计算以及贪婪启发式搜索等特点，成为人工智能领域的一个研究热点。……