基于互信息属性分析与极端学习机的超短期风速预测

超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选属性因素,分别计算其相对于风速序列的互信息值,根据互信息,衡量属性对风速的影响程度,并选择输入属性;然后,由互信息值计算属性权值;之后,采用加权处理后的属性值来训练极端学习机,构建风速预测模型;最后,采用新模型预测未来4h内风速。采用北纬39.91°、西经105.29°的美国风能技术中心的实测数据开展实验,实验结果表明,新方法具有良好的预测精度,能够满足实际风速预测需要。     

基于优化FCM聚类的RELM风速预测

准确的风速预测对大规模风电并网具有重要意义。提出一种基于互信息属性约简优化聚类的正则化极限学习机短期风速预测方法。首先考虑不同属性特征对风速的不同影响,计算风速特征属性序列与风速序列的互信息,并运用最大相关最小冗余算法进行特征选择,然后采用优化的模糊C均值聚类方法对风速样本进行聚类,再对极限学习机进行优化,进而构建风速组合预测模型。最后结合风电场实测数据进行风速预测实验,结果表明该方法具有较高的预测精度。     

基于DKDE与改进mRMR特征选择的短期光伏出力预测

随着光伏发电装机容量的增长,其在能源消费中的占比不断提升,准确预测光伏发电功率对电力系统发展规划和调度运行均具有重要意义.目前,针对光伏预测特征选择的研究比较少,不合理的特征选择往往导致信息丢失,气象参数与出力间的映射关系难以有效挖掘,最终导致预测精度偏低.因此,文中提出一种基于改进互信息计算与改进最大相关最小冗余(mRMR)的光伏预测特征选择方法.针对连续随机变量相关性互信息难以直接计算的问题,基于扩散核密度估计(DKDE)理论,提出一种依据概率密度的区间划分方法并应用于变量离散化,以提高互信息对实际有限数据集的表征能力.然后,对传统mRMR的增量搜索过程进行了改进,提出一种可并行筛选多个特征子集的改进mRMR算法,并针对各特征子集分别采用XGBoost算法构建气象信息与光伏功率的预测模型.最后,通过实际光伏电站测量数据验证了所提方法的有效性和准确性.     

电力系统暂态稳定评估的关联规则挖掘

根据IEEE16 机系统进行暂态稳定仿真, 首先对经典k- means 算法和模糊聚类FCM算法比较分析, 确定聚类个数并选择效果较好的FCM算法进行聚类, 找出候选离散断点, 再结合信息熵理论确定最终离散断点, 然后将连续数据离散化到各个离散区间中, 映射为连续的数字标识, 找出暂态稳定特征属性之间以及特征属性与暂态稳定属性类别之间的关联关系, 最后对挖掘出的规则进行分析研究, 从而对电力系统进行暂态稳定评估。     

采用FJPD互信息的电力系统暂态稳定性预测特征选择分析

广域测量系统和模式识别技术的日趋发展,为实现基于人工智能的电力系统暂态稳定性预测提供了技术和理论基础,但传统基于机器学习的暂态稳定性预测对输入特征的选择和分析仍考虑不足。通过对系统暂态过程的分析,研究各轨迹变量与暂态稳定性之间的相关性。综合考虑数据采集时间和学习机的精度,提取故障完全切除后5个周期内节点电压幅值和发电机功角、转子转速轨迹作为学习机的输入。进而提出一种适合轨迹变量特征分析的特征联合概率分布(FJPD)互信息计算方法,利用最小冗余最大相关(mRMR)原则对学习机的输入特征进行选取,实现数据的降维、减少计算量、保持预测精度,并保留特征的物理意义。对10机39节点系统的仿真样本进行学习机的训练和测试,验证了提出的基于FJPD互信息的mRMR方法对轨迹特征选择的有效性。     

考虑需求侧管理的低碳电网规划

实现面向低碳目标的电网规划能有效缓解电力行业的"碳锁定"效应,促进电力系统的低碳化转型。需求侧管理能够减小电源和输电容量需求,同时可以降低系统发电煤耗和输电网损,是降低电力系统碳排放的重要手段。文中分析了需求侧管理和低碳化发展对电网规划的影响,分析了典型的需求侧管理手段在约束条件中的表现形式,建立了考虑需求侧管理的低碳电网规划模型。针对模型的非线性特征设计了优化求解策略,基于分离不等式法消除模型的非线性约束,将原模型转化为混合整数线性规划模型进行求解。采用IEEE RTS79系统的算例验证了文中所述方法的有效性。算例结果表明,在电网规划中考虑需求侧管理,能够有效减少电网扩展投资并降低系统的碳排放量,提升系统整体效益。     

一种基于词条频率的文档频率方法的改进

特征选择是解决文本分类中特征空间高维性难题的有效方法。文档频率(document frequency thresholding)是文本分类中常用到的自动特征选择方法,它是一种最简单的特征约减技术,但是它的效果和信息增益(information gain)、互信息(mutual information)、CHI统计(χ2 statistic measure)等复杂的统计方法相当。但是DF通常被认为是一种经验方法,没有确切的理论解释,而且没有考虑词条频率的影响。本文提出了一种基于粗糙集理论的DF方法的理论解释,并且基于这个理论解释对DF进行了扩展,加入了词条频率信息。实验表明,扩展的DF方法的实验效果相对比DF方法有了显著的提高。     

一种暂态稳定紧急控制策略筛选法

针对电力系统紧急控制优化决策中遇到的候选控制措施数目过于庞大,影响在线搜索速度的问题,利用电力系统实用动态安全域的基本性质和紧急控制的基本规律,提出了一种候选控制措施筛选法。该方法首先精确计算几个基本控制措施的有效性指标,然后利用基本控制措施的有效性指标对其它候选控制措施的有效性进行线性估计,并利用估计值来筛选候选控制措施集,排除掉大量无效控制措施,减小候选控制措施集的规模,再对剩余的有效控制措施进行优选,得出最优措施。在新英格兰系统上的应用,证明了该筛选法可以有效减小候选控制措施的数目,特别是在考虑多个节点多级控制措施复合操作的情况下,搜索速度显著提高。     

基于模糊线性规划的电力系统经济负荷分配算法

提出了一种应用模糊线性规划优化理论求解电力系统经济负荷分配的方法。该方法以发电费用为目标函数,将各机组有功功率转变成变量,利用模糊线性规划法的遍历性、随机性和规律性直接对目标函数寻优,有效地保证解的精度。仿真结果表明,所提出的方法搜索速度快,求解精度高,是解决电力系统经济负荷分配问题的有效手段。     

基于强化学习的混合元启发式暂态电压稳定特征选择方法及可解释性研究

新型电力系统发展背景下,使用有效的特征选择方法来提取与暂态电压稳定强相关的关键响应特征,对研究暂态电压失稳机理与系统潜在安全隐患具有重要意义。为此,提出一种基于改进过滤法与混合元启发式包装法的复合框架进行特征选择的新方法。基于对称不确定性值改进的最大相关最小冗余性准则进行特征粗筛;将Q学习强化学习融合至元启发式优化算法中,并采用开发探索折衷策略以增强特征细选能力,获取最优关键响应特征子集。在此基础上,采用沙普利值加性解释归因理论综合分析各筛选特征对暂态电压稳定的影响与系统薄弱环节。新型电力系统算例验证了所提方法的有效性。     

基于数据挖掘的风电功率预测特征选择方法

输入特征向量的选择是建立风电功率预测模型中至关重要的第一步,但由于风电机组的待选监测量项目过多、部分监测量与风电功率的相关性不明显甚至不相关、信息冗余量大等因素造成输入向量集的选取不够合理,进一步影响功率预测模型的准确性。针对这一问题,在综合对比研究了邻域粗糙集、随机森林和互信息这三种较为有效的用于特征选择的数据挖掘算法的基础上,提出了一种综合性能较好的基于随机森林筛选风电功率预测模型输入向量的方法,并分析了另两种方法的特点和适用范围,最后使用风机的实际运行数据,基于最小二乘支持向量回归算法对文中所提出的方法进行了验证。仿真结果表明,该方法能够通过减少功率预测模型的输入向量有效地降低模型复杂度,不仅加快了模型的预测速度而且提高了预测的精度。     

基于语义关联特征的大型信息管理系统数据挖掘技术

为了提高大型信息管理系统的数据检索和挖掘能力,提出了一种基于语义关联特征提取的大型信息管理系统数据挖掘技术。构建云存储模型进行大型信息管理系统中大数据分布式存储设计,结合大数据信息流的特征重组方法进行信息管理系统的优化结构重组,在重组的信息管理系统拓扑结构中提取信息管理分布数据的语义关联维特征量,以语义关联特征量为训练样本集进行信息管理系统的集成调度和数据挖掘,采用模糊C均值算法进行大型信息管理系统中分布数据语义关联特征的自适应融合和聚类处理,采用特征压缩器进行大型信息管理系统的存储空间降维处理,提高目标数据挖掘能力和信息管理系统的自适应调度能力。仿真结果表明,采用该方法进行大型信息管理系统数据挖掘的准确性较好,语义关联聚类性较强,提高了对信息管理系统目标数据的检索和调度能力。     

数据挖掘及其在电厂SIS中的应用

针对电厂运行分析的实际需要,基于数据挖掘技术建立了定量关联规则的数据挖掘算法模型,编制了可用于实时数据分析的应用系统。给出了确定机组最佳运行参数以及评价运行水平等电厂运行数据分析的应用示例,表明数据挖掘方法可以在监控信息系统（SIS）中广泛用于机组运行分析与优化。     

基于配用电数据关联的中压配电网断线故障诊断方法

基于配用电信息系统数据和关联规则算法,提出一种诊断中压配电网分支线断线不接地故障的方法。通过分析相互关联的配用电信息系统数据,提出基于数据特征选择的关联规则挖掘方法,并通过卡方分裂算法将连续型特征量转换为布尔型特征量,同时采用MSApriori算法解决故障信息中的稀有项问题,然后在此基础上应用kulc准则消除冗余规则以形成约简的代表规则家族。以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,结果说明所提出的方法能够大量减少无效挖掘,显著提高效率和准确度,适用于中压配电网断线故障的在线诊断。     

电力系统精细规则的研究

在分析传统运行规则的基本形式和弊端的基础上,进一步阐述精细规则的概念。针对系统输电断面,提出建立精细规则的方法：针对静态安全,精细规则的建立基于灵敏度技术;针对暂态安全,精细规则的建立采用数据挖掘技术,由建立训练集、特征选择、知识表示等步骤组成,其中训练集采用基于连续潮流的极限传输容量计算方法,特征选择采用一种新的基于信息理论的方法,知识表示采用最小二乘拟合。对四机双区域测试系统和某省级电网分别进行精细规则的算例研究,结果表明,精细规则考虑了更精细的电网特征状态,对在线运行方式的适应能力更强,可在保证系统安全的前提下有效挖掘输电走廊的输电潜力,提供的灵敏度还有助于控制决策。     

基于偏最大信息系数与组合XGBoost的短期风功率预测

作为新能源领域的课题热点之一,短期风功率预测的研究在提高预测精度的同时也应重视模型的工程化应用。据此,提出一种基于偏最大信息系数的组合XGBoost预测模型。首先,设计一种基于偏最大信息系数的特征选择算法,通过引入偏互信息,在挖掘出对风功率影响较大的气象特征的同时,也能消除耦合信息带来的不利影响。在此基础上,为兼顾模型的精度和计算效率,降低单个模型的预测风险,构建以XGBoost为底层算法的组合预测模型,进一步实现风功率预测。采用2个具有较大差异的风电场作为算例进行验证分析,结果表明,基于偏最大信息系数特征选择算法的组合XGBoost预测模型不但能提升短期风功率的预测精度,与相近的组合预测模型相比,也具备更高的计算效率,有利于工程化应用。     

电力信息系统网络数据的实时流量监控分析

针对当前电力信息系统流量数据监控准确性差、供电不稳定性,易发生流量拥塞等难题,提出一种新型的电力信息系统网络数据流量监控方法,首先采用非线性特征分解方法进行网络流量数据重组,然后采用自适应频谱检测方法实现电力信息系统网络流量数据的谱分析,提取流量数据的谱特征量,最后利用匹配滤波检测器对异常流量进行盲分离处理,实现流量有效监控。仿真结果表明,文中方法使得电力信息系统网络数据流量监控具有实时性和准确性,提高了网络供电的稳定性。     

智能告警系统在茂名调度系统的应用研究

电网调度自动化水平的提高导致调度自动化系统信息量越来越多,为及时获取电网运行关键信息,发现和处理电网运行隐患,迫切需要对海量信息进行智能化推理分析,提高电网调度智能水平。文章综合调度自动化系统中各种类型信息,提出告警信息分类方法和信息预处理的逻辑,研究讨论了智能推理规则。根据茂名地调系统中智能告警系统的应用情况分析,智能告警系统在电网运行监视和信息综合统计分析方面有很好应用前景。     

数据挖掘技术在小电流故障选线中的应用

目前小电流故障选线装置的录波功能积累了大量的故障信息, 但如何有效地利用这些数据, 并没有很好的方法。在小电流故障选线研究中引入数据挖掘技术, 正是为了解决这一问题, 从数据中获得知识, 进一步提高选线效果。文中简要叙述了数据挖掘技术的原理、实现和方法, 提出采用主成分分析法进行小电流接地故障的特征提取, 采用聚类分析的方法进行故障样本的分类, 根据故障类型采用不同的选线方法, 从而为建立典型接地故障模型、证实瞬时故障选线的正确性提供了依据, 并采用两变电站实际运行数据, 通过计算验证了两种方法的可行性。结果表明将数据挖掘技术应用在小电流故障选线中效果很好, 为解决现场实验难、促进选线技术的发展、建立选线管理体制等提供了一个很好的研究方法。     

数据挖掘及其在电能质量分析中的应用

为从大量的电能质量监测数据中提取出潜在的有用的信息,综述了数据挖掘在电能质量分析中的应用;介绍了数据挖掘的相关定义、处理过程、主要方法及发现的知识类型;概述了数据挖掘在电能质量数据预处理、扰动识别、谐波源定位中的相关应用,并就其应用前景进行了展望.