全流通时代上市公司并购趋势及对策研究-毕业论文改进的模糊C均值法在负荷特性统计数据聚类中的应用

改进模糊C-均值法在静态负荷特性数据聚类中的研究中文摘要：上市公司并购是实现企业快速扩张和资源重新配置的有效途径，随着全流通时代的到来，并购的浪潮也随之来临。全流通时代的上市公司并购将出现主体多元化、方式和资金来源多样化、外资并购等特点，应采取加强对外资并购国内上市公司的监管，进一步推进并购融资工具创新，拓宽并购资金来源等措施，推动和规范上市公司的并购行为。随着股权分置改革的顺利进行及有限售条件的流通股逐步解禁而将使上市公司真正进入全流通、大型国有企业的加速整合上市、包括并购在内的资本市场一系列法律法规的施行、直接融资比重的不断增大等,形成了以上市公司为目标的并购新市场环境。本文以新市场环境为背景,分析我国上市公司并购的发展趋势并提出应对措施。关键词：上市公司；并购趋势；对策Abstract：Tobelistedmergerandacquisitionistorealizeenterpriseexpansionandresourcestotheconfigurationoftheeffectiveway,isalsodeepenthereformofstate-ownedenterprisestoadjusttheindustrialstructureinordertoachievelong-termeconomicgrowthofimportantways.Withthearrivaloftheeraofthefullcirculation,mergerwaveapproaches.Thefullcirculationofagetobelistedmergerandacquisitionwillappearofdiversification,modeandfundedbydifferentsourcesofforeigncapital'sm&a,andothercharacteristics,shouldbetakentostrengthentotheforeignmergersandacquisitionsofdomesticofregulatinglistedcompanies,furtheradvancethem&afinancingtoolinnovation,tobroadenthem&asourcesoffundsmeasurestopromoteandstandardizethelistedcompany'sm&a.Asequitydivisionreformsmoothlyandlimitedsalesconditionsoftradablesharesandwillgraduallyliftedthelistedcompanyreallyintothecirculation,largestate-ownedenterpriseslisted,includingmergersandacquisitionsacceleratedintegration,aseriesoflawsandregulationsofthecapitalmarketandtheproportionofdirectfinancing,suchastheincreasing,formedthelistedcompanyasthenewmarketenvironmenttargetacquisition.Basedonthebackgroundofthenewmarketenvironment,thispaperanalyzesourcountrytobelistedmergerandacquisitiondevelopmenttrendandproposessomecountermeasures.一、绪论上市公司并购是优化资源配置的重要手段。近年来，伴随着股权分置改革进程的加快，企业并购浪潮风起云涌，呈现出数量多、规模大及国际化等一系列特点。随着各上市公司陆续完成股改，市场将进入全新的“G股时代”，证券市场的格局也将随之发生深刻变化。在全流通时代，全流通市场将逐步发展成型，而监管部门也表示，将“大力推进市场创新，拓展资本市场的广度和深度”，其中一个重要的方面就是推动并购市场创新，从存量上不断改善上市公司结构，为上市公司并购重组提供多种市场化的支付手段和创新方式。可以预见，后股改时代的上市公司并购将迎来更大的发展。从主要市场经济国家经历的五次大的并购浪潮来看，绝大多数并购都发生在经济持续高速增长时期，而且在不同的市场环境下，并购具有不同的目的和特点，需要不同的措施来应对。随着股改后新市场环境的形成，需要我们分析并购的新趋势及应对措施。二、全流通时代上市公司并购发展的新市场环境随着股权分置改革的深入，中国A股市场的上市公司股票实现真正意义的全流通。大规模并购所依托的资本市场的流动性有望得到解决，并购的驱动力、并购操作模式都将发生根本性改变，我国上市公司的并购将逐步显现成熟市场的特点。股权分置改革为企业实施并购创造了更多便利条件。由并购引发的产业重新布局将带动国有企业、外资企业、民营企业重新寻找自己的战略位置。2008年我国股市大幅下跌，也为全流通下实施并购重组创造了良好机遇。股改不仅消除了阻碍中国资本市场健康发展的根本性制度缺陷，而且给上市公司并购带来了相当积极的影响，使公司并购迎来了一个全新的市场环境。[1]1、股权分置改革为并购创造了机会目前，股改的方式多为大股东向流通股股东送股以换取流通权，这就出现以下几种状况：一是大股东所占上市公司股份份额同比下降，甚至于低于流通股比例；二是由于历史原因，如配股、转配、增发、发可转债等原因，流通股所占比例已大于非流通股，若按送股对价，则流通股所占比例远远大于非流通股。这两个原因将造成大股东失去绝对控股地位，收购方可以通过在二级市场收购这类上市公司的股权而取得公司控制权。同时，若按目前股改“10送3”的平均对价水平，在流通市值不变的条件下，上市公司股价除权后将下降20%左右，一些公司的股价甚至低于净资产。在股改快速推进的市场背景下，上市公司的并购价值将得到显著提高。[2]2、产业的内在需求是推动并购的动力在全球经济一体化的格局下，产业整合和发展成为全球并购的主题。通过产业整合产生协同效应，实现资源的最优配置，增强产业核心竞争力成为并购的内在动因。在我国产业结构正进行调整的大背景下，并购将成为国内企业整合资源、调整业务结构和外资进入中国市场进行战略布局的重要手段。一些受到资源约束、经过高速发展后导致产能过剩、因为消费结构调整造成需求降低的行业将出现较大的并购倾向，行业中一些规模较大的企业必然采用兼并重组等市场竞争手段来淘汰竞争对手，整合行业资源，提高企业的市场占有率和产业集中度，优化产业组织结构。3、资本市场平台对并购市场产生的影响借助资本市场平台是近几年央企改革重组的一个重要特点,推动国有资本向关系国家安全和国民经济命脉的重要行业和关键领域集中,向国有经济具有竞争优势的行业和未来可能形成主导产业的领域集中,向具有较强国际竞争力的大公司大企业集团集中,向企业主业集中,这四个集中通过央企并购重组推进了国有经济产业布局和结构调整,以提高竞争力和控制力为重点深化国企改革仍将是未来几年国资改革的一大重点,必然对我国并购市场产生巨大影响。4、资金支持也是上市公司并购增加的因素居民储蓄分流和流动性过剩提供的充裕资金、直接融资比重的不断增大、证券市场的迅速发展为并购市场提供了足够的资金支持,也为并购方式、融资方式的创新形成较好环境。[3]5、资本市场新规则的实施为并购提供了法律保障而以市场化为导向的包括并购在内的资本市场一系列运行规则的变革、新的《证券法》、《公司法》、《上市公司收购管理办法》、《企业会计准则》、《关于外国投资者并购境内企业的规定》、《国有股东转让所持上市公司股份管理暂行办法》等法律法规的施行为并购提供了更充足的法律保障。这一系列新规则的实施为收购方式的创新从制度上打开了广阔的发展空间。全流通时代上市公司并购的发展趋势我国的并购市场过去存在着一些特有现象。股权分置使很多并购并不是完全的市场行为,法律法规不完善,信息披露不充分,很多案例中都有政府主导的影子,行政色彩重,行为短期化,利益部门化,甚至成为一些地方政府的政绩工程,出现国退民进。主要收购对象是处于非流通状态的国有股和法人股,同股不同权不同价,绝大多数并购采取协议收购的方式,操作过程不透明。在定价发面,缺乏统一的上市公司股票价值评估体系,不能真实反映上市公司价值。并购的支付方式也比较单一,主要依靠现金支付,巨额的现金要求给收购方造成了很大的资金压力。财务性并购经常发生,大股东往往更关心再融资资格,很少进行业务、资产、管理的真正整合,并购后的公司也缺乏持续经营能力,往往导致失败,有些甚至是为了获取稀缺的“壳资源”、取得控制权后实现再融资从而达到“圈钱”目的的虚假并购,也使一些缺乏市场诚信、没有真正实力的民营企业在取得控制权后将上市公司当作自己的提款机,违反规定占用资金或提供担保,利用关联交易等方式来输出利益,如当时的科龙系、德隆系等。上述因素导致了我国上市公司并购绩效差、市场化程度低,难以通过并购做大做优做强,损害了中小投资者利益,也不利于资本市场发展,影响资源优化配置。在新的市场环境下,我国并购市场已出现一些新的发展趋势。1、并购主体多元化原《公司法》规定公司对外投资不得超过公司净资产的75%，因此，只有比被收购股权价值大1倍以上的公司才能出面进行收购，这大大地限制了收购人的范围。全流通后所有股票都成为流通股，法人、个人一样可以购买，这样，个人也就完全可以成为平等的收购人了。在新的市场环境下，随着原非流通股的解禁，所有股票都将成为流通股，同时，新《公司法》降低了注册资本要求，取消了公司对外投资不得超过公司净资产的50%的限制，允许个人设立公司，这些条件使小公司收购大公司成为可能，消除了个人公司进入并购市场的法律障碍，为杠杆收购、管理层收购等并购方式的发展创造了条件。央企、地方国企、民营、外资、个人等更多的主体将参与到上市公司的并购中，“一致行动人”、QFII、私人股权投资基金等都有可能成为并购主体。绝大部分上市公司是我国企业的优势资源，在新的市场环境下，其投资价值将越发凸显，很多拥有优质资产、内在价值高、经营良好、财务稳健、收益性较好、能为股东带来长期回报的上市公司将受到更多外国投资者的偏好,特别是一些在技术、市场、资源、政策等方面拥有垄断优势的目标上市公司股权更为外资青睐,可以使外资绕开行业进入壁垒,分享我国垄断资源和垄断行业的收益,外资并购我国上市公司将更多也更加市场化。可见，未来将有更多的主体参与到上市公司收购中来。2、并购方式和资金来源多样化原《证券法》不允许定向增发，上市公司收购只能在存量股份中进行，不能通过发行增量股份来完成。[4]这种限制使得很多在经济上可行的上市公司收购项目在实践中因法规限制而难以操作，特别是极大地限制了绩差公司的并购重组，不利于我国上市公司并购市场的进一步发展。而新《证券法》对上市公司非公开发行新股持全面肯定的态度，上市公司发行新股既可实行公开发行，也可实行非公开发行，该规定为以上定向增发方式收购上市公司打开了法律通道，这将为上市公司收购提供新的技术形式。新《证券法》同时规定，投资者可以采取要约收购、协议收购及其他合法方式收购上市公司。因此，在后股权分置时代，一般意义上的协议收购将不复存在，要约收购则从强制性要约转向主动性要约，定向增发将成为将来一段时期重要的上市公司收购方式。并购方式的多元化，对国民经济结构性的重大战略调整，以及发挥证券市场促进资源流动和优化配置的基础性功能和适应股权分置改革后全流通的新局面都将起到积极的作用。从证券市场发展的实际情况来看，必须加大改革力度，为上市公司并购重组提供多种市场化的支付手段和创新方式。新的环境将为并购提供重要的支付手段,市场将不断尝试并购创新。新《证券法》允许上市公司采用非公开发行方式发行新股，则为通过定向增发实行增量收购提供了法律支持，使得增量收购成为现实。可以预见,通过自有资金、股权融资、债权融资、资产证券化等多种融资手段将为并购提供多样化的资金来源，从简单的协议收购向二级市场竞购转变、从强制性要约向主动性要约转变、现金支付、资产支付、股权支付(如定向增发、换股合并)、金融衍生产品支付(如可转换债券、认股权证等)、承债支付等多种支付方式会成为重要的并购方式。[5]3、并购理念发生重大转变过去，证券市场上的并购过多地关注短期财务利益，以短期获得生产要素资源为导向，并购的价值取向多是为了获得“壳”，并非看中上市公司中既有的业务与资产价值，企业在并购决策上倾向于财务性并购。进入全流通时代，在国际化竞争日益加剧的背景下，作为上市公司并购初级形态的“获取壳资源一概念化重组一二级市场套现”的模式将出现大幅下降的趋势，基于产业整合战略和资源价值重估引发的上市公司控制权争夺将成为控制权市场的主流，以产业整合为目的的战略性并购将不断增加。在国内许多并购中，透过复杂的财务安排最终所达成的协议里，企业自身的盈利与发展往往得不到特别的关注。规范而活跃的并购市场将有利于国家产业的高度集中，转型结构更加合理，提高产业核心竞争力。为此，政府应加快并购市场的制度性基础设施建设，制定和完善《证券法》、《企业购并法》、《破产法》等法律体系，加快并购市场的金融工具创新，使国内上市公司关于并购活动的财务规则向全球标准接近，使全球公司与中国企业的并购交易在操作层面上更加规范化。对许多企业来说，如果管理得当，有务实的战略投资眼光，经过深思熟虑后，部署发展性战略，在细致、周密的计划下所进行的并购活动，对企业发展是大有益处的。

4、外资并购发展将更为迅猛允许外资并购上市公司非流通股以及相关政策出台的最重要的意义应该是提供了一个市场规则改进和制度创新的契机，可以把外资作为资本市场新的活力以推进并购系统的规范化建设，从而优化市场结构、提高上市公司质量和实现产业升级。中国内地的资本市场应参考中国台湾地区和韩国在引入外资介入上市公司并购方面的经验。这两个地区的资本市场对外资并购活动的开放都是以渐进的方式完成的，都用了五年以上的时间，一边建设本国的并购的制度环境，一边试探着放开外资介入。目前外商对中国的投资中，并购重组只占其中的5%—10%，而在国际上，并购重组一般占国外投资的70%。随着市场环境的改善、相关法规制度的健全和股权分置改革的进一步深入，我国股市的投资价值将会越来越明显，越来越多的财务稳健、业务发展前景良好、能为股东带来长期回报的优质上市公司，将受到外国投资者的青睐，外资在我国上市公司并购重组中的运作空间将越来越大。[6]

5、收购的对抗性增加新的市场环境下，全流通使原来的非流通股股东持股数量减少或比例降低，股权被稀释，股份被分散，大股东控股地位不同程度的被削弱，较小的持股量即可取得控股权，公司价值可能被低估，法规上也加强了对投资者保护，肯定了反收购措施和管理层激励措施的运用等,这些现象的出现，一方面为一些上市公司并购其他公司提供了可能，另一方面，那些大股东持股比例低、股权结构分散、价值被低估、行业集中度较低、竞争充分的上市公司也更可能成为国内外行业巨头并购的对象，也必然会使上司公司建立相应的反并购措施，如宝钢集团大量收购邯钢流通股及其认股权证，邯钢在宝钢举牌后立即动用巨额资金进行反收购，最终使宝钢未能如愿。可以预见，收购与反收购将会在市场上更频繁的出现，反收购措施将更加多样化，所使用的金融工具也将不断丰富，并购与反并购更为激烈。新“两法”肯定了反收购措施和管理层激励措施的运用，对投资者保护的具体措施也有比以前更为细致的规定，这些措施将会增强收购的对抗性，增加管理层和中小投资者在收购中的话语权。可以预见，股权收购与反收购将在市场上频繁出现，反收购的对抗手段将出现多样化的趋势，并购与反并购所使用的金融工具也将不断丰富。四、应对上市公司并购趋势的对策1、完善立法,加强监管并购是企业的自主行为，市场机制是决定并购行为的根本因素，政府应尽量避免直接干预，这样有利于并购时的竞争和并购后的整合，政府只应在法律法规和宏观政策层面进行监督和引导，即使是行使出资者权利,政府也应遵循市场规律和法律秩序。同时，实施有效的反垄断措施,，以维护公平、有效、合法、合规的市场秩序。因此，应完善立法，加强市场诚信建设，规范政府行为，减少行政干预，也要进一步发挥证券交易所一线自律监管的作用。要加强对上市公司并购的持续监管,重视对并购主体和中介机构的监管,强化事前、事中和事后的信息披露,防止一定期限内信息披露不一致,防止不法机构利用并购概念进行炒作或进行投机性并购，防止利用内幕交易、操纵股价、虚假信息等牟取不法利益。目前，证券市场正在逐步对外开放，外资并购的不断扩大，外资必将加入到上市公司控制权争夺中来，虽然有关规定对外资并购设置了行政性门槛，但由于其拥有强大的资本实力，上市公司自身的反收购难度仍然较大，且国内多数并购竞争者在控制权争夺战中处于劣势地位。因此，要加强对外资并购国内上市公司的监管，防止国有资产贱卖，防止外资并购形成垄断及对我国经济安全造成不利影响。要及时在《反垄断法》、《关于外国投资者并购境内企业的规定》等相关规定的基础上，总结实践经验，借鉴发达国家的经验，如美国的外国投资委员会，建立更高层次的我国外资并购国家安全审查机构和制度。要保护并购主体公平的市场地位,特别是民营企业，很多时候融资困难，往往通过并购“壳资源”实现曲线融资，要在加强监管、防止民营企业掏空上市公司的同时，保护其平等的并购地位，发挥民营企业的积极作用。[7]2、进一步完善并购方式并购方式的多元化，对国民经济结构性的重大战略调整，以及发挥证券市场促进资源流动和优化配置的基础性功能和适应股权分置改革后全流通的新局面都将起到积极的作用。成熟资本市场中,上市公司并购时主要采用证券方式支付,现金支付的金额和比例一般较低。采用证券方式支付,如换股并购,可以减轻并购方短期内需要大量现金流的压力,降低了收购风险,为并购后的经营创造更有利的环境,而被购并方则得到了具有长期增值潜力的并购方的优质股票,因而对双方都有利。新的市场环境下,同股同权同价为股权交换创造了条件,股权更趋分散也使得股权交换变得更加容易。应积极研究并借鉴国际经验,适时修改一些不适合市场发展的法律法规，发展股票、债券、票据、金融衍生产品、并购基金等多种融资来源，丰富我国并购融资工具品种，逐步发展现金、资产、股权、债权、金融衍生产品等多种并购支付方式。从证券市场发展的实际情况来看，必须加大改革力度，为上市公司并购重组提供多种市场化的支付手段和创新方式。目前要尽快开展以新增股份购买资产为主要方式的换股收购、吸收合并试点，以单定向回购与剥离不良资产相结合的资产重组试点。3、加快推进并购融资工具创新在上市公司收购中，收购资金来源是一个重要的决定因素，尤其是对于高成长、高扩张性的中小企业而言，资金更是成为了控制权争夺中至关重要的关键因素。由于政策的严格限制，收购资金中除了股东的自有资金以外，来自银行贷款的资金几乎为零。因此，如何拓宽资金来源渠道，成为市场关注的热点问题。目前，除了互换股权、资产置换等方式外，定向增发作为一种融资成本较低、募集资金投向限制较少的方式，受到了市场的欢迎。在今后，应进一步加快金融产品创新，发展金融衍生品，采取资产证券化、企业债券等多种方式拓宽收购资金来源，推进并购市场发展。成熟资本市场中，上市公司并购时主要采用证券方式支付,现金支付的金额和比例一般较低。采用证券方式支付，如换股并购，可以减轻并购方短期内需要大量现金流的压力，降低了收购风险，为并购后的经营创造更有利的环境，而被购并方则得到了具有长期增值潜力的并购方的优质股票，因而对双方都有利。新的市场环境下，同股同权同价为股权交换创造了条件，股权更趋分散也使得股权交换变得更加容易。应积极研究并借鉴国际经验，适时修改一些不适合市场发展的法律法规，发展股票、债券、票据、金融衍生产品、并购基金等多种融资来源，丰富我国并购融资工具品种，逐步发展现金、资产、股权、债权、金融衍生产品等多种并购支付方式。如我国目前已开始公司债券发行的试点，要区别于企业债券，大力发展公司债券，发挥公司债券本应具有的并购功能，使之成为并购资金的重要来源之一。适当时候也可使用成熟市场并购融资中广泛使用的垃圾债券、并购基金等。4、完善市场化的估值定价方式并购是企业的市场化行为，并购价格也应以市场化的估值定价方式确定。企业价值并非各项资产的简单加总,准确评估目标企业价值关键在于要把企业作为一个经营整体并根据企业的未来收益来进行。过去，因股权集中度高且价格较低的非流通股大量存在，使协议收购被大量采用，并购价格往往在政府主管部门的主导干预下进行资产评估，而不是价值评估，局限于以净资产为基础，以国家股或法人股的原始成本为依据，并考虑市盈率、利息、二级市场股价等情况，由并购双方协议确定。这种重置成本加成法往往使评估价值与企业价值之间存在重大差异，不能准确反映企业未来盈利能力，而成熟市场上一般通过二级市场来确定价格，通常采用折现现金流量法，能比较准确的反映企业价值，收购方出价一般要高于目标公司的市价，并购方成本较高、财务风险较大。在新的市场环境下，并购的估值定价不能再局限于在净资产基础上的评估，监管部门应大力鼓励采用收益现值法、市值法等方式进行估值定价，如果企业亏损严重、资不抵债时,则应采用清算价格法。价值评估过程要充分披露信息，保护并购各方的权益，既要防止资产“注水”高估，也要特别防止国有资产流失，应鼓励通过二级市场进行并购。要及时完善资产评估的法律法规，规范对评估机构和人员的监管和责任落实。[8]5、培育中介机构,培养金融人才成熟市场国家的企业并购主要是由投资银行来进行策划完成的，与并购企业相比，投资银行具有较多的优势，如信息优势、知识优势、经验优势、资金优势等,既能为并购企业提供咨询服务，担任企业的财务顾问，又能为并购企业提供大量的资金支持，往往能推动和规范并购行为。而我国从事投资银行业务的金融机构还存在着一定的差距，如：资金规模小、业务范围窄、经营管理落后等，制约了我国并购市场的进一步发展。新《上市公司收购管理办法》明确了财务顾问对收购人事前把关、事后持续督导的责任制，强化财务顾问等专业机构为投资者服务、增加透明度的积极作用。要进一步形成以财务顾问为主导的市场自律机制，淘汰那些在诚信和实力方面存在问题的收购方，提高并购市场的效率。要大力培育并充分发挥各类金融中介机构的专业力量，规范并明确各自责任，培养金融人才，服务于新环境下的并购市场。五、总结随着全流通上市公司数量增加，产业资本参与二级市场定价的动力在持续增强。随着我国改革开放的不断推进，企业市场主体地位意识日益加强，上市公司本身具有很大的优越性，因此相关的企业并购尤为重要，为了提高上市公司并购行为效率，我们还需要做出不懈的努力。我国资本市场发育不健全，是制约企业优质并购的重要因素，为了促进上市公司并购的发展，国家必须大力发展和完善资本市场。完善各相关方面的体制改革，在财税方面，为了防止地方性维护自身利益的影响，应当实行分税制；加快金融体制的改革，建立新的市场体制；建立完整的法律保障体系。只有满足这些条件，我国上市公司的并购才可以健康稳速的发展。参考文献[1]华斐铭,丁亨.股权分置改革对中国上市公司并购的影响.财经界,2007(6)[2]汪温泉,古远平.股权分置改革对上市公司并购市场的影响分析.南方金融,2006(8)[3]谢沛善.我国上市公司并购融资的现状和特征分析.广西财经学院学报，2007(8)[4]许云飞.股权分置改革:突破中国证券市场的基础性制度障碍.经济前沿,2005(9)[5]曲波.论我国证券法对上市公司收购的规制.经济师,2006(1)[6]郑向勇,李凤林.股权分置改革对我国企业并购融资的影响.理论研究，2007(2)[7]巴曙松.全流通时代:中国正开启战略并购之门.现代商业银行，2006(11)[8]张敏聪.后股改时代上市公司并购趋势及对策研究.金融教学与研究,2006(4)致谢辞本文从拟定题目到定稿，历时数月。在本论文完成之际，首先要向我的指导老师致以诚挚的谢意。在论文的写作过程中，老师给了我许许多多的帮助和关怀。老师学识渊博、治学严谨，待人平易近人，在老师的悉心指导中，我不仅学到了扎实的专业知识，也在怎样处人处事等方面收益很多；同时她对工作的积极热情、认真负责、有条不紊、实事求是的态度，给我留下了深刻的印象，使我受益非浅。在此我谨向老师表示衷心的感谢和深深的敬意。同时，我要感谢我们学院给我们授课的各位老师，正是由于他们的传道、授业、解惑，让我学到了专业知识，并从他们身上学到了如何求知治学、如何为人处事。我也要感谢我的母校，是她为我们提供了良好的学习环境和生活环境，让我的大学生活丰富多姿，为我的人生留下精彩的一笔。另外，衷心感谢我的同窗同学们和师兄师姐们，在我毕业论文写作中，与他们的探讨交流使我受益颇多；同时，他们也给了我很多无私的帮助和支持，我在此深表谢意。最后，向我的亲爱的家人和亲爱的朋友表示深深的谢意，他们给予我的爱、理解、关心和支持是我不断前进的动力。毕业论文改进的模糊C均值法在负荷特性统计数据聚类中的应用摘要电力负荷是整个电力系统的安全稳定运行中较活跃的一部分。建立符合实际的动态负荷模型对电力系统规划、设计和运行等诸方面均有十分重要现实意义。本文采用实用化负荷建模思想，对负荷特性进行聚类，从而为变电站建立合适的负荷模型打下基础。基于目前负荷建模方面存在的问题，使用模糊C均值法，对同一地域不同地点变电站的负荷统计数据进行聚类分析。针对湖南电网48个变电站，对模糊C均值法实施改进后对其进行聚类，并与未改进的模糊C均值法的聚类结果进行比较，以说明改进方案的有效性。关键字：电力负荷；负荷特性；聚类；模糊C均值法APPLICATIONOFIMPROVEDFCMTOELECTRICLOADCHARACTERISTICSOFSTATISTICALDATACLUSTERINGABSTRACTThepowerloadisanactivepartinthesecurityandstableoperationoftheentireelectricalpowersystem.Itissignificantlyimportanttomakesuitableloadmodelforthepowersystemplanning,designandoperation.Inthispaperthepracticalloadmodelingmethodisemployed,andtheloadcharacteristicsisclusteredtoestablishtheactualloadmodelforsubstations.Basedonthecurrentproblems,FCMwithhierarchicalclusteringisusedtoperformtheclusteringoftheloadcharacteristicsdataofthedifferentsubstationsonthesamearea,theimprovedmethodisappliedfortheclusteringofHunangridsubstation.Theclusteringresultshowsthattheimprovedmethodiseffectivecomparingwiththeunimprovedmethod.KeyWords:powerload;loadcharacteristic;cluster,FCM目录第一章绪论11.1研究背景11.2发展及研究现状21.2.1发展21.2.2研究现状41.2.2.1电力负荷建模的总体原则41.2.2.2电力负荷建模的基本概念41.2.2.3分类51.2.3实用化负荷建模思想61.2.3.1统计综合法61.2.3.2总体测辨法71.3聚类分析在负荷特性分析中的应用现状81.4本文主要研究内容9第二章聚类分析102.1聚类分析的基本概念102.2聚类方法112.3系统聚类法152.3.1最小张树聚类法162.3.2基于密度的聚类算法162.3.3基于网络的聚类方法162.3.4基于模型的聚类算法162.3.5基于划分的聚类算法162.4各算法优缺点比较17第三章模糊C均值在负荷特性聚类中的应用实例193.1聚类在电力系统中的应用综述193.2模糊C均值聚类算法203.2.1硬C均值聚类算法（HCM）203.2.2模糊C均值聚类223.2.3程序流程图233.3对模糊C均值法的改进253.3.1改进的各方案比较253.3.2最终改进方案的选定263.4聚类实例273.4.1原始数据聚类数据273.4.2未改进的模糊C均值法在实例中的应用273.4.3改进的模糊C均值法在实例中的应用283.4.4两种算法的比较293.5结果分析31第四章结语33参考文献34致谢35附录36附录A原始聚类数据36附录B系统聚类法所得的聚类中心生成的隶属度矩阵38附录C改进的模糊C均值法源程序41附录D类间距离计算源程序47附录E类内距离计算源程序48第⑥负荷聚类为没有安装布测点的变电站建立实用模型提供了有效途径，从而克服了广域电力系统为变电站均安装负荷测辨装置的不可行性，所带来的负荷模型建立的种种困难。负荷测辨装置安装在每一类的典型变电站中，记录下实测数据并为理想安装测点的典型变电站建立相应的负荷模型，而对于同类中未布测点则可以通过数学方法确定该类中其它没有安装测辨装置的变电站的综合负荷模型。这个过程考虑了负荷时变性特性，为综合测辨法应用于实用化负荷建模工作开辟了一条崭新的途径。结语1.随着电力系统规模和容量的不断扩张，电力系统安全经济运行的重要性和复杂性愈发显著地表现出来，安全性和经济性是相互关联又互相矛盾的两个方面，只有充分了认识到了电力系统的运行规律，才能找到即安全又经济的运行方式。2.本文基于目前负荷建模方面存在的问题，采用实用化负荷建模思想，认识到属于同一类的负荷具有相对稳定的性质和共同的特点，引入聚类分析法对同一地域不同地点电站的负荷统计数据进行聚类分析。本文对模糊C均值法加以改进后再对该数据进行聚类，并与未改进的模糊C均值法加以比较。3.本文研究内容及成果如下：查阅有关文献，总结了近年来负荷建模的研究现状，几种常用的聚类算法；深入学习了模糊C均值聚类算法，掌握了其基本理论和算法特点；了解了MATLAB软件及其工具箱。对传统的模糊C均值法做了改进，使其克服了对初值敏感，易受孤立点影响的不足。对改进算法和未改进算法的聚类结果进行了比较，结果表明，两项指标均有改善，改进后的模糊C均值法较改进以前有了一定的优势。模糊聚类计算结果中的聚类中心矩阵给我们对建模数据的采样点的选择即负荷测辨装置的安装地点提供了可靠依据，我们可根据聚类结果，将每类做成一个通用的模型，并且推广到同类的其他变电站中，负荷特性聚类是综合测辨法实用负荷建模过程的一个基础部分，因此，本文研究具有一定的实用价值。参考文献[1]孙即祥.现代模式识别[M].国防科技大学出版社，2001.[2]高惠璇.应用多元统计分析[M].北京大学出版社,2005.[3]肖健华.智能模式识别方法[M].华南理工大学出版社,2005.[4]章健.电力系统负荷建模方法的研究[D].华北电力大学博士学位论文,1997.[5]张红斌.电力系统负荷模型结构与参数辨识的研究[D].华北电力大学博士文,2003.[6]鞠平.综合负荷特性的分类综合方法及应用[J].电力系统自动化.2004,28(1):64-68[7]贺仁睦.电力系统负荷模型的分类与综合[J].电力系统及其自动化.1999,23(19):12-16.[8]熊传平.广域电力系统基于负荷分析与分类的负荷建模研究[D].河海大学硕士论文.2006.[9]金艳.综合动态负荷特性的分类与综合研究.河海大学硕士论文.2002.[10]贺仁睦，魏孝铭，韩民晓.电力负荷动特性实测建模的外推和内插[J].中国电机工程学报,1996(3):151-154.[13]李力，朱守真，沈善德等.负荷动态模型集结[J].电力自动化设备.Vol.19,No.4,Aug,1999:6-10,19.[14]陈柔伊，张尧，武至刚，陈泽怀改进的模糊聚类算法在负荷预测中的应用.电力系统及自动化学报2005.617卷.[15]王天行,张泽.多元统计分析学[M].成都:成都科技大学出社.1992:199～214.[16]吴元奇，冯荣扬.聚类分子计算方法的理论及结果比较.广东：湛江海洋大学学报.2002.2.[17]王成山，曹旌，陈光远.基于聚类分析的电力系统暂态稳定故障筛选.电网技术,2005.[18]徐南荣，宋文忠，夏安邦.系统辨识.南京:东南大学出版社，1991.[19]鞠平,马大强。电力系统负荷建模[M].水利电力出版社，1995.致谢本论文是在导师王进副教授的悉心指导下完成的，半年来，导师的教诲和关怀使我受益匪浅，特别是导师渊博的学识、严谨的、科学的治学态度和平易近人的工作作风是我终生学习的楷模，借此论文完成之际，谨向导师的辛勤培养表达我最诚挚的谢意！同时感谢徐超学长和王文生学长在我设计期间所给予的指导和无私帮助！最后向所有曾给予过帮助和关心的学长、亲人、朋友表示诚挚的感谢和深深的祝福！谢谢你们！XXX2010.6附录A原始聚类数据注：系统聚类法得到的冰柱图程序：Y=pdist(data);Z=linkage(Y,'average');H=dendrogram(Z,0);附录B系统聚类法所得的聚类中心生成的隶属度矩阵U=Columns1through110.02540.05710.04250.01880.13790.03640.03930.09610.09760.64120.01400.81510.59980.72610.82690.03800.60260.02050.03210.03060.01080.01570.02460.05790.02540.02260.08550.05050.09330.05750.08110.00870.01360.01540.03780.02320.01120.16230.02150.03140.05210.10450.23480.00690.02260.05080.02940.01980.35180.04220.68900.46070.48500.02780.02600.06650.12330.10280.07370.09430.18840.06720.17490.08330.02410.89460.03040.07330.05060.02690.13020.05830.05920.12660.11790.05270.0291Columns12through220.00810.05770.01920.07780.05990.20950.01860.03070.19190.00190.19610.01150.04600.02720.23030.43320.04660.00840.03020.03150.00250.06930.91570.10800.76640.13040.08740.04240.02610.69500.04540.97960.05910.00620.03490.01360.04750.03560.18610.01350.02510.11850.00140.09480.02430.27490.06930.11600.07310.13350.87110.11400.34700.00640.18670.02230.34560.07270.29240.23400.10550.03280.06360.10760.00540.21090.01180.13290.03150.10560.07680.27650.02950.04160.15800.00280.1832Columns23through330.31290.13120.07080.01440.02160.07740.13820.08670.08770.17520.07770.03570.01690.01920.00270.79170.30980.01880.17230.04040.03680.14400.03150.01750.01650.00210.01890.06590.01960.06350.02850.04870.04240.15540.68460.04760.00660.01160.04630.64410.05030.05560.20360.03560.11340.05030.04980.00720.02010.07730.05780.08520.07140.16420.07270.10340.03220.05450.00940.10560.26480.03650.31960.10470.09190.51590.24760.06740.74150.95760.03050.15860.08500.22250.61180.27950.1117Columns34through440.12570.39480.77630.88740.15150.74530.05460.16030.04770.24480.01760.04520.06420.01460.00430.01010.01700.05180.26740.12530.01500.87820.03480.02810.00860.00340.00890.00980.30490.04990.10400.01580.01290.04560.08960.08820.05760.74160.10010.03690.07950.02710.55710.01020.12130.06950.02380.01190.02650.02660.26250.07480.08580.05700.01370.42930.16020.02970.01050.01970.03380.20220.21070.53440.03490.04540.19810.19370.05880.02490.04170.06740.08720.15720.07580.07530.0220Columns45through480.21930.14000.37740.17240.01100.05400.02620.01540.00900.03670.02680.01270.66290.07190.13010.67180.02620.09830.14260.03360.02160.15930.09100.02810.05000.43990.20600.0660附录C改进的模糊C均值法的源程序function[center,U,obj_fcn]=fcm(data,cluster_n,options)%FCMDatasetclusteringusingfuzzyc-meansclustering.%%[CENTER,U,OBJ_FCN]=FCM(DATA,N_CLUSTER)findsN_CLUSTERnumberof%clustersinthedatasetDATA.DATAissizeM-by-N,whereMisthenumberof%datapointsandNisthenumberofcoordinatesforeachdatapoint.The%coordinatesforeachclustercenterarereturnedintherowsofthematrix%CENTER.ThemembershipfunctionmatrixUcontainsthegradeofmembershipof%eachDATApointineachcluster.Thevalues0and1indicatenomembership%andfullmembershiprespectively.Gradesbetween0and1indicatethatthe%datapointhaspartialmembershipinacluster.Ateachiteration,an%objectivefunctionisminimizedtofindthebestlocationfortheclusters%anditsvaluesarereturnedinOBJ_FCN.%%[CENTER,...]=FCM(DATA,N_CLUSTER,OPTIONS)specifiesavectorofoptions%fortheclusteringprocess:%OPTIONS(1):exponentforthematrixU(default:2.0)%OPTIONS(2):maximumnumberofiterations(default:100)%OPTIONS(3):minimumamountofimprovement(default:1e-5)%OPTIONS(4):infodisplayduringiteration(default:1)%Theclusteringprocessstopswhenthemaximumnumberofiterations%isreached,orwhentheobjectivefunctionimprovementbetweentwo%consecutiveiterationsislessthantheminimumamountofimprovement%specified.UseNaNtoselectthedefaultvalue.%%Example%data=rand(100,2);%[center,U,obj_fcn]=fcm(data,2);%plot(data(:,1),data(:,2),'o');%holdon;%maxU=max(U);%%Findthedatapointswithhighestgradeofmembershipincluster1%index1=find(U(1,:)==maxU);%%Findthedatapointswithhighestgradeofmembershipincluster2%index2=find(U(2,:)==maxU);%line(data(index1,1),data(index1,2),'marker','*','color','g');%line(data(index2,1),data(index2,2),'marker','*','color','r');%%Plottheclustercenters%plot([center([12],1)],[center([12],2)],'*','color','k')%holdoff;%%SeealsoFCMDEMO,INITFCM,IRISFCM,DISTFCM,STEPFCM.%RogerJang,12-13-94,N.Hickey04-16-01%Copyright1994-2002TheMathWorks,Inc.%$Revision:1.13$$Date:2002/04/1422:20:38$ifnargin~=2&nargin~=3, error('Toomanyortoofewinputarguments!');enddata_n=size(data,1);in_n=size(data,2);%Changethefollowingtosetdefaultoptionsdefault_options=[2; %exponentforthepartitionmatrixU 100; %max.numberofiteration 1e-5; %min.amountofimprovement 1]; %infodisplayduringiterationifnargin==2, options=default_options;else %If"options"isnotfullyspecified,paditwithdefaultvalues. iflength(options)<4, tmp=default_options; tmp(1:length(options))=options; options=tmp; end %Ifsomeentriesof"options"arenan's,replacethemwithdefaults. nan_index=find(isnan(options)==1); options(nan_index)=default_options(nan_index); ifoptions(1)<=1, error('Theexponentshouldbegreaterthan1!'); endendexpo=options(1); %ExponentforUmax_iter=options(2); %Max.iterationmin_impro=options(3); %Min.improvementdisplay=options(4); %Displayinfoornotobj_fcn=zeros(max_iter,1); %ArrayforobjectivefunctionU=initfcm(cluster_n,data_n); %Initialfuzzypartition%Mainloopfori=1:max_iter, [U,center,obj_fcn(i)]=stepfcm(data,U,cluster_n,expo); ifdisplay, fprintf('Iterationcount=%d,obj.fcn=%f\n',i,obj_fcn(i)); end %checkterminationcondition ifi>1, ifabs(obj_fcn(i)-obj_fcn(i-1))<min_impro,break;end, endenditer_n=i; %Actualnumberofiterationsobj_fcn(iter_n+1:max_iter)=[];Function[U_new,center,obj_fen]=stepfcm(data,U,cluster_n,expo)%STEPFCMOnestepinfuzzyc-meanclustering%[U_NEW,CENTER,ERR]=STEPFCM(DATA,U,CLUSTER_N,EXPO)%performsoneiterationoffuzzyc-meanclustering,where%%DATA:matrixofdatatobeclustered.(Eachrowisadatapoint.)%U:partitionmatrix.(U(i,j)istheMFvalueofdatajinclusterj.)%CLUSTER_N:numberofclusters.%EXPO:exponent(>1)forthepartitionmatrix.%U_NEW:newpartitionmatrix.%CENTER:centerofclusters.(Eachrowisacenter.)%ERR:objectivefunctionforpartition%%Notethatthesituationof"singularity"(oneofthedatapointsis%exactlythesameasoneoftheclustercenters)isnotchecked.%However,ithardlyoccursinpractice.%%SeealsoDISTFCM,INITFCM,IRISFCM,FCMDEMO,FCM.%RogerJang.11-22-94.%Copyright1994-2002Th