電力系統(tǒng)運(yùn)行信息的數(shù)據(jù)挖掘研究.pdf

1、隨著信息技術(shù)的發(fā)展和電網(wǎng)數(shù)字化的進(jìn)程，電力系統(tǒng)內(nèi)采集、存儲、待分析的數(shù)據(jù)量急劇膨脹，然而利用數(shù)據(jù)庫查詢統(tǒng)計和傳統(tǒng)數(shù)據(jù)分析方法獲得的有價值信息卻很有限，因此討論如何從大規(guī)模、高維數(shù)據(jù)中提取出隱藏的模式和規(guī)則，為電力系統(tǒng)決策者提供決策支持具有重要的研究價值。
　　 數(shù)據(jù)挖掘技術(shù)正是在“海量數(shù)據(jù)”和“有限知識”的矛盾背景下快速發(fā)展，近年來得到各行業(yè)學(xué)者的廣泛重視。該技術(shù)綜合運(yùn)用智能算法、模式識別、數(shù)理統(tǒng)計等理論，能夠發(fā)現(xiàn)隱含在大量數(shù)據(jù)

2、中、先前未知的、對決策有潛在價值的規(guī)律和知識。電力系統(tǒng)運(yùn)行需要滿足安全、經(jīng)濟(jì)和優(yōu)質(zhì)性的要求，針對這三個基本要求，本文圍繞運(yùn)行信息(節(jié)點(diǎn)電壓、有功功率)的數(shù)據(jù)挖掘進(jìn)行了深入研究，完成了以下主要工作：
　　 (1)將相空間重構(gòu)(PSR，Phase Space Reconstruction)方法引入電能質(zhì)量研究領(lǐng)域，考慮電壓暫降、電壓瞬升、電壓中斷、脈沖、諧波及閃變六類擾動。利用相空間重構(gòu)在相平面構(gòu)造不同擾動的信號軌跡，并將其歸一化編

3、碼為二進(jìn)制圖像。針對軌跡圖像，定義了最大鄰近距離、載體分量相似度、擾動覆蓋區(qū)域和平均幅度四項指標(biāo)。分析和仿真結(jié)果表明，通過上述四項指標(biāo)可以有效地提取不同擾動的特性，為電能質(zhì)量分析提供了新思路。
　　 (2)本文的第一個數(shù)據(jù)挖掘任務(wù)是針對電網(wǎng)運(yùn)行的優(yōu)質(zhì)性要求。對于PSR提取出的特性矢量，進(jìn)一步構(gòu)建支持向量機(jī)分類器對電能質(zhì)量擾動事件進(jìn)行分類研究。分類對象包括短期擾動(暫降、瞬升)和長期擾動(諧波、閃變)兩兩疊加的電能質(zhì)量問題以及相應(yīng)

4、的單一擾動，結(jié)果顯示該方法可以有效識別不同的擾動類型，為改善電能質(zhì)量措施提供依據(jù)。研究中同樣設(shè)計了基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的分類方案，通過對比實驗顯示了本文所提基于相空間重構(gòu)和支持向量機(jī)的分類系統(tǒng)的優(yōu)越性。
　　 (3)電力用戶負(fù)荷曲線的聚類是形成合理電價體系和實施負(fù)荷管理措施的基礎(chǔ)。本文的第二個數(shù)據(jù)挖掘任務(wù)是基于自組織映射(SOM，Self-Organizing Map)神經(jīng)網(wǎng)絡(luò)進(jìn)行低壓終端用戶的負(fù)荷曲線聚類研究。首先定義并

5、提取功率曲線、分時功率、功率頻譜三類向量，分別作為SOM神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行可視化聚類。采用相對量化誤差和拓?fù)湔`差兩個指標(biāo)表征聚類質(zhì)量，選取聚類結(jié)果最好的SOM輸出層結(jié)合k-均值法進(jìn)行用戶負(fù)荷曲線劃分。根據(jù)Davies指標(biāo)將本文研究的杭州地區(qū)終端用戶的131條日負(fù)荷曲線劃分為八類，對每類曲線進(jìn)行描述。最后進(jìn)行新用戶的識別，結(jié)果表明該基于SOM神經(jīng)網(wǎng)絡(luò)的聚類方法有效可靠，可以為提高電網(wǎng)運(yùn)行的經(jīng)濟(jì)性提供有價值的知識。
　　 (4)電力

6、系統(tǒng)運(yùn)行信息的第三個數(shù)據(jù)挖掘研究是建立電網(wǎng)安全性評估的決策樹規(guī)則。研究對象包括美國西部WSCC三機(jī)九節(jié)點(diǎn)簡化模型和浙江地區(qū)某實際電網(wǎng)模型。該研究有兩個目標(biāo)，首先通過決策樹算法實現(xiàn)故障前電網(wǎng)穩(wěn)態(tài)運(yùn)行參數(shù)和電網(wǎng)承受故障能力間的映射，為調(diào)度人員提供輔助的快速安全評估規(guī)則；其次在有無電壓相角參數(shù)下分別生成決策樹，通過對比兩者的性能，驗證相角測量單元PMU的作用。研究結(jié)果表明，決策樹算法對于電網(wǎng)安全狀態(tài)可以達(dá)到96.5％的識別精度，此外PMU的合