基于蟻群優(yōu)化算法的電力負(fù)荷聚類和輸電線故障識(shí)別研究.pdf

1、本論文是研究基于蟻群優(yōu)化算法(AntColonyOptimizationAlgorithm，ACOA)來實(shí)現(xiàn)電力負(fù)荷聚類和輸電線的故障類型的識(shí)別。ACOA已經(jīng)在許多領(lǐng)域的相關(guān)問題中得到成功的應(yīng)用，而在電力系統(tǒng)中開展的研究和應(yīng)用則處于剛剛起步階段。蟻群優(yōu)化算法在大規(guī)模復(fù)雜組合優(yōu)化問題研究中具有極強(qiáng)的優(yōu)勢，經(jīng)應(yīng)用研究測試證明了它的有效性。 為了能深入掌握ACOA的基本原理和算法實(shí)現(xiàn)本論文的兩個(gè)研究目標(biāo)，論文首先對基于數(shù)據(jù)挖掘的聚類原

2、理及其方法、國內(nèi)外的研究動(dòng)態(tài)進(jìn)行了必要的基礎(chǔ)概述工作；在此基礎(chǔ)上，又對ACOA的原理、算法及其應(yīng)用、國內(nèi)外的研究動(dòng)態(tài)作了概述。它們是進(jìn)行論文研究的重要基礎(chǔ)。 由于外部隨機(jī)因素的影響，電力系統(tǒng)短期負(fù)荷預(yù)測精度難于解決。在已有研究中采用聚類和模式識(shí)別結(jié)合原理來實(shí)現(xiàn)，但對外部氣象因素特征與聚類性能之間不能很好協(xié)調(diào)，致使不能按預(yù)期目標(biāo)來實(shí)現(xiàn)預(yù)測精度的要求。本論文首次把ACOA用于電力負(fù)荷序列聚類分析，并與廣泛用于電力負(fù)荷聚類的Kohon

3、en神經(jīng)網(wǎng)絡(luò)進(jìn)行對比，經(jīng)實(shí)際地區(qū)負(fù)荷系統(tǒng)仿真測試證明了基于ACOA的聚類性能優(yōu)越性，它對氣候異常情況、高溫區(qū)域、節(jié)假日都具有更高的敏感性和分辨率；對負(fù)荷曲線輪廓的相似性具有更細(xì)膩和均勻性的聚類特性，對負(fù)荷預(yù)測精度的提高是有極其重要意義的。 輸電線故障類型識(shí)別問題對保護(hù)的動(dòng)作和重合閘作用的發(fā)揮有極其重要的意義。目前基于富氏變換原理來處理暫態(tài)信號(hào)存在局限性，不能保證完全正確的故障選相。本論文首次研究用ACOA進(jìn)行輸電線故障類型識(shí)別，