- Код статьи
- 10.31857/S0002331024020032-1
- DOI
- 10.31857/S0002331024020032
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 2
- Страницы
- 34-44
- Аннотация
- В статье представлен анализ методов кластеризации применительно к задаче формирования энергетических расчетных моделей (ЭРМ) электроэнергетических систем. Рассмотрены классические методы кластеризации, такие как: метод k-средних, метод кратчайшего пути, а также методы обнаружения сообществ в графах по заданным признакам, которые являются наиболее подходящими для решения поставленной задачи. На основании проведенного анализа было выявлено, что для кластеризации графов максимально адекватный результат может быть получен при применении метода Лэйдена. В экспериментальной части статьи представлены результаты применения метода Лэйдена для формирования ЭРМ объединенной энергосистемы Сибири.
- Ключевые слова
- электроэнергетическая система балансовая надежность зона надежности межзонная связь энергетическая расчетная модель методы обнаружения сообществ в графах метод Лейдена
- Дата публикации
- 14.09.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 10
Библиография
- 1. Руденко Ю.Н., Чельцов М.Б. Надежность и резервирование в электроэнергетических системах. Изд.-во “Наука” Сибирское отделение, Новосибирск. 1974. 262 с.
- 2. Ковалев Г.Ф., Крупенев Д.С., Лебедева Л.М. Системная надежность ЕЭС России на уровне 2030 г. Электрические станции, 2011. № 2. С. 44–47.
- 3. Probabilistic Adequacy and Measures. Technical Reference Report Final, NERC, July, 2018.
- 4. 2021 Long-Term Reliability Assessment. NERC, 2021. P. 126.
- 5. Ковалев Г.Ф., Лебедева Л.М. Надежность систем электроэнергетики. Новосибирск: Наука. 2015.
- 6. Krupenev D., Boyarkin D., Iakubovskii D. Improvement in the computational efficiency of a technique for assessing the reliability of electric power systems based on the Monte Carlo method. Reliability Engineering & System Safety. № 204. https://doi:10.1016/j.ress.2020.107171
- 7. Rouhani M., Mohammadi M., Aiello M. Soft clustering based probabilistic power flow with correlated inter temporal events // Electric Power Systems Research. № 204. 2022. 107677. https://doi.org/10.1016/j.epsr.2021.107677.
- 8. Gheorghe G., Scarlatache F., Neagu B. Clustering in Power Systems. Applications. 2016.
- 9. Справочник по проектированию электрических сетей / под ред. Д.Л. Файбисовича – Изд. 4-е, перераб. и доп. – М.: Изд-во НЦ ЭНАС, 2012. 376 с.
- 10. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика. 1988. 176 с.
- 11. MacQueen J. Some methods for classification and analysis of multivariate observations/ J. MacQueen // In Proc. 5th Berkeley Symp. Оn Math. Statistics and Probability, 1967. С. 281–297.
- 12. Sarkar A., Ramalingam S. Graph Clustering: A Review. 2020.
- 13. Kaufman L., Rousseeuw P.J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis (1 ed.). New York: John Wiley. ISBN 0-471-87876-6.
- 14. Blondel V.D., Guillaume J.-L., Lambiotte R. & Lefebvre E. Fast unfolding of communities in large networks. J. Stat. Mech. Theory Exp. 10008. 6. https://doi.org/10.1088/1742-5468/2008/10/P10008 (2008).
- 15. Newman M. E. J. and M. Girvan. Finding and evaluating community structure in networks. Phys. Rev. E 69. 026113. 2004.
- 16. Ester M., Kriegel H.P., Sander J. and Xu X. A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. In: Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining, Portland, OR, AAAI Press. 1996. P. 226–231.
- 17. Emmons S., Kobourov S., Gallant M., Börner K. (2016) Analysis of Network Clustering Algorithms and Cluster Quality Metrics at Scale. PLoS ONE 11(7): e0159161. https://doi.org/10.1371/journal.pone.0159161
- 18. Beligianni F., Tsatsaronis G., Palpanas T. A Survey on Clustering Techniques for Graph Structured Data. 2019.
- 19. Palla G., Derényi I., Farkas I. et al. Uncovering the overlapping community structure of complex networks in nature and society. Nature 435, 2005. P. 814–818. https://doi.org/10.1038/nature03607
- 20. Rosvall M., Bergstrom C.T. Maps of information flow reveal community structure in complex networks. PNAS. 105. 1118. 2008.
- 21. Орлов А.О., Чеповский А.А. О свойствах модулярности и актуальных корректировках алгоритма Блонделя // Вестник НГУ. Серия: Информационные технологии. 2017. № 3.
- 22. Metropolis N., Rosenbluth A.W., Rosenbluth M.N., Teller A.H., and Teller E. Equation of State Calculations by Fast Computer Machines // J. Chemical Physics. 21. 6. June. 1953. P. 1087–1092.
- 23. Lancichinetti A., Fortunato S. Community detection algorithms: A comparative analysis. Phys. Rev. E 80, 056117. https://doi.org/10.1103/PhysRevE.80.056117 (2009).
- 24. Traag V.A., Waltman L., van Eck N.J. From Louvain to Leiden: guaranteeing well-connected communities. Sci Rep 9. 5233. 2019. https://doi.org/10.1038/s41598-019-41695-z
- 25. Приказ Минэнерго России от 28.02.2022 №146 “Об утверждении схемы и программы развития Единой энергетической системы России на 2022–2028 годы”.
- 26. Крупенев Д.С., Беляев Н.А., Бояркин Д.А. Кластеризация электроэнергетических систем на зоны надежности при оценке балансовой надежности. Часть 1 // Известия Российской академии наук. Энергетика. 2024. № 1. С. 12–21.
