数据挖掘在电能质量监测数据分析中的应用

电能质量监测网产生的电能质量数据具有数据量大、数据异构严重以及价值密度低等特点,从数据中发现有价值信息是电能质量数据处理分析面临的主要问题之一。提出了一种基于数据挖掘技术的电能质量监测数据处理分析体系,包括数据清理、数据集成、聚类分析和相关性分析等技术。将所提体系应用于某城市电网电能质量监测网数据处理分析中,获得了有意义的电能质量指标变化规律,能为电网规划、调度和运行提供有价值的参考。     

基于数学形态学的谐波检测与电能质量扰动定位方法

提出了一种基于数学形态学的电流（电压）谐波检测方法,通过合理地选择扁平结构元素的长度,该方法能快速、准确地检测出电流（电压）中的谐波分量.以此为基础,提出了一种快速的电能质量扰动检测和定位方法,该方法将电压幅值的平方值作为TOP-HAT变换的输入量,具有较高的检测灵敏性.系统存在噪声的情况下,该方法也有较好的检测效果.MATLAB/SIMULINK仿真结果证明了这两种方法的有效性.     

配网电能质量监测与高级分析软件平台的设计与实现

为了更好地管理配电网的电能质量问题,研发了配电网电能质量监测与高级分析软件平台。构建了平台软件的总体框架结构,详细介绍了软件平台开发中使用的技术路线。结合配网的特点和现状,研发了适用于配电网的电能质量评估、谐波潮流算法、谐波源定位等核心算法,率先提出了“基于纵横向区域配电网电能质量智能评估算法”,“基于计量自动化系统的谐波潮流计算算法”和“基于负荷分类和负荷容量的下级谐波源查找技术”。本软件平台已经在东莞配网实际运行,运行效果良好,改善了东莞配网的电能质量问题。     

电能质量分析仪在谐波治理中的应用

结合电能质量的国家标准,介绍了美国FLUKE434/435电能质量分析仪的基本构成、功能及在改善电能质量谐波治理方面的测试分析及应用过程。     

小波变换在电能质量分析中的应用

对小波变换在电能质量问题分析中的应用情况进行了综述,主要内容涉及小波变换的基本概念、应用小波变换对电压下降与电压凹陷的幅值与持续时间的分析、电能质量扰动数据压缩、暂态电能质量问题的分析以及小波变换与人工神经网络结合对电能质量扰动类型的辨识。最后对小波变换在电能质量问题分析中的发展方向进行了展望。     

复杂电能质量扰动事件源定位方法

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在对复杂扰动事件的类型和时空特征进行分析的基础上,提出一种复杂电能质量扰动事件源定位方法。采用原子算法检测扰动事件,给出根据各基本事件的起止时间进行扰动区段划分的方法;采用叠加原理对瞬时功率进行分析,提出根据扰动能量的极性对各区段扰动事件源进行定位。算例结果表明,该方法能够实现复杂电能质量扰动事件源定位。     

具有容错能力的电能质量扰动源定位方法

为改善传统符号型定位方法的不足,实现扰动信息不可靠时扰动源的准确定位,提出一种基于遗传算法的电能质量扰动源定位方法。通过对扰动信号高频分量产生机理的分析,利用小波变换提取高频分量,将高频扰动能量的极性作为扰动方向判别的依据,给出了一种扰动方向判别的通用算法。根据系统拓扑结构及监测点布置情况,建立了扰动源定位优化模型,将扰动源定位问题转化成为0-1整数规划问题,采用遗传算法进行求解。仿真结果表明该方法具有定位准确,容错能力强等优点,为扰动源定位问题提供了一种新的解决思路。     

智能电网技术框架下的电能质量监测与分析技术综述

提高用户电能质量是当前智能电网研究的主要目标之一。针对电能质量监测系统中包含的监测终端、通信系统和监控中心3个组成部分,对智能电网技术框架下电能质量监测与分析技术进行了综述,涉及电能质量检测算法、电能质量监测终端的最优布点、数据通信方式、电能质量类型识别、电能质量扰动源定位、电压暂降起因分析、电能质量综合评估方法、电能质量信息发布等内容,较全面地分析了电能质量研究的背景和现状,并比较各类常用分析方法的优缺点。     

智能建筑中的电能质量问题及其监测

对智能建筑中的各种电能质量问题及其危害进行了阐述,并提出了两种用于智能建筑中的电能质量监测方案。以某高校校区配电系统为例,对其进行了电能质量测试。通过数据分析,为建设智能校区的工程规划提供了建议。     

电能质量及其数字检测方法

电网的电压、电流的畸变日益严重 ,电网的电能质量也越来越受到重视。介绍了有关电能质量的基本概念和衡量标准 ,并给出了适合数字测量的分析方法和闪变检测仿真波形。     

数据挖掘技术及其在电力系统中的应用

电力大数据下的数据挖掘技术应用贯穿于发、输、变、配、用各个环节,介绍了分类分析、关联分析、聚类分析和异常检测等智能算法在输电系统雷电预测、设备运行状态分析、配电系统运行故障预警及风险预测、用户用电行为特性聚类、电力市场行为分析、电力市场中负荷及电价预测等的应用。数据挖掘技术可显著提升电网运行效益,是未来智能电网发展的核心技术之一。     

基于小波分解和数据挖掘中决策树算法的电能质量扰动识别方法

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种基于小波分解和数据挖掘中决策树算法的电能质量扰动(power quality disturbance,PQD)识别方法。建立了正弦信号和6 种常见PQD 信号的数学模型,通过小波分解得到了上述信号的特征量,结合决策树方法实现了对PQD 的自动分类,并通过合理选择小波类型、分类算法和去噪方法提高了PQD 的分类精度。实验结果验证了该识别方法的准确性和高效性。     

电能质量数据交换格式下的谐波责任估计

定量划分各主要谐波源在特定母线上的谐波责任是电能质量管理的一项重要任务。该文从理论上证明了谐波电流责任指标与谐波电压责任指标是不一致的,考虑到电网责任,选择谐波电压责任指标来衡量谐波污染责任。考虑到目前电网电能质量监测系统只提供电压、电流统计值的实际情况,提出了一种基于电能质量数据交换格式下的谐波污染责任定量估计算法。与传统的基于瞬时值的谐波污染责任划分方法不同,提出的方法可以利用目前的电能质量监测系统实现日常的谐波污染责任监测。     

大数据挖掘分析在电力设备状态评估中的应用

为提高电力设备状态评估的准确性和效率,提出了将大数据挖掘分析应用于电力设备状态评估的思路和方法。介绍了大数据挖掘分析的架构,将电力设备状态的多维度数据解析为静态、动态、准动态和外部参数四大类,分析了数据关联规则、关联度和权重,最后给出了大数据挖掘分析技术的应用前景。     

基于谐波滤波器组的电能质量扰动数据压缩方法

提出一种基于谐波滤波器组的电能质量扰动数据压缩方法,该方法采用谐波滤波器组实现原始信号中稳态分量与暂态分量的分离,并通过插值离散傅里叶变换(IpDFT)算法来高精度估计谐波分量参数,然后对确定的稳态分量和暂态分量分别采用参数量化和小波变换进行压缩。最后,利用实际的电能质量扰动数据测试了该方法,结果表明,该方法对于各种类型的电能质量扰动信号均有效,同时在压缩比相同时,与通用小波压缩方法相比具有更好的压缩性能。     

数据挖掘及其在电厂中的应用

智能信号处理一直是工程界追求的目标,数据挖掘是一门新兴的强大的智能信号处理技术。介绍了数据挖掘技术的发展、优点、算法。并详细的分析了其在电厂中的潜在应用背景。     

关联规则数据挖掘及其在电厂DCS数据分析中的应用

电厂的DCS存储了大量的数据。这些数据的背后隐藏了许多对提高电厂的生产效率、经济安全性有积极的指导意义的信息。数据挖掘是从大量数据中自动提取知识的过程。对DCS的数据利用数据挖掘技术中的关联规则挖掘技术进行了探索性数据挖掘。对挖掘结果的分析表明该技术可以用于电厂机组的性能分析、状态监测、故障诊断等方面,可为机组开展状态检修提供技术支持。     

现代电网电力扰动数据分析与主动应用

随着现代电网中反映供用电双方兼容性的电力扰动问题日益突出,如何有效利用监测数据对于科学认知、理解和解决电力扰动相关难题以及电网安全稳定运行与营商环境改善具有重要意义.为此,不同于传统电能质量分析方法在扰动发生后被动采取补救性的分析和治理措施,文中提出在扰动发生、发展和影响之前主动挖掘电力扰动监测数据独特暂态信息以进行"...