自適應(yīng)權(quán)重FCM算法研究及電網(wǎng)故障診斷中的應(yīng)用.pdf

1、隨著風(fēng)能、太陽能以及潮汐能等不穩(wěn)定的新能源日趨深入電力系統(tǒng)，電網(wǎng)的結(jié)構(gòu)日益復(fù)雜，給電網(wǎng)故障診斷等相關(guān)工作帶來了極大的挑戰(zhàn)。而數(shù)字化與智能化電網(wǎng)的快速發(fā)展使得大量的電網(wǎng)歷史運(yùn)行數(shù)據(jù)和實(shí)時(shí)運(yùn)行數(shù)據(jù)被獲取，在大數(shù)據(jù)的時(shí)代背景下，機(jī)器學(xué)習(xí)技術(shù)能夠更好的獲取系統(tǒng)隱含的信息。作為最重要的機(jī)器學(xué)習(xí)算法之一，模糊 C均值聚類算法能夠在先驗(yàn)知識(shí)很少的情況下獲取更多的電網(wǎng)信息，是電網(wǎng)系統(tǒng)故障診斷的重要手段之一。
　　特征權(quán)重算法對(duì)聚類效果有很大的影響

2、，針對(duì)傳統(tǒng)的特征權(quán)重算法忽略了特征項(xiàng)在類內(nèi)和類別間的分布情況，提出了自適應(yīng)權(quán)重FCM算法。該算法從聚類后特征的分布情況出發(fā)，研究分類后特征屬性表現(xiàn)的有序性程度對(duì)聚類結(jié)果的影響。以聚類后的特征熵和信息增益作為準(zhǔn)則調(diào)節(jié)特征權(quán)重，通過聚類迭代與權(quán)重更新直至特征權(quán)重收斂，獲得數(shù)據(jù)集的最佳劃分。實(shí)驗(yàn)結(jié)果證明，自適應(yīng)權(quán)重FCM算法能夠有效的區(qū)分各個(gè)特征對(duì)聚類的重要程度，具有更好的聚類效果。
　　電網(wǎng)容易發(fā)生連鎖故障反應(yīng)，快速準(zhǔn)確的故障診斷是電

3、網(wǎng)安全運(yùn)行的關(guān)鍵。針對(duì)電網(wǎng)的全局故障分析，提出基于自適應(yīng)權(quán)重FCM算法的電網(wǎng)故障區(qū)域識(shí)別算法。仿真實(shí)驗(yàn)證明，該算法能夠準(zhǔn)確的識(shí)別電網(wǎng)故障區(qū)域，并將電網(wǎng)其它節(jié)點(diǎn)劃分為受故障影響嚴(yán)重的區(qū)域、受故障影響較嚴(yán)重的區(qū)域、受故障影響較輕的區(qū)域和不受故障影響的區(qū)域。針對(duì)電網(wǎng)節(jié)點(diǎn)的故障診斷，提出基于自適應(yīng)權(quán)重FCM算法的電網(wǎng)節(jié)點(diǎn)故障類型的離線分析在線診斷的方法。該方法可以通過自適應(yīng)權(quán)重FCM算法離線分析節(jié)點(diǎn)的歷史運(yùn)行數(shù)據(jù)，得到節(jié)點(diǎn)的故障模型；進(jìn)而將故障