电力系统同调机群识别的一种模糊聚类方法

给出了一种能识别电力系统同调机群的模糊聚类方法。首先采用最大－最小方法对线性化后的系统状态矩阵进行标定,得到反映机组间动态相关程度的模糊等价关系矩阵,然后采用模糊聚类方法识别同调机群。最后给出了10机和24机两个试验系统同调机群识别结果,并通过特征根计算证明了此方法的有效性。     

利用基于模糊划分的ISODATA模糊聚类方法识别电力系统同调机群

给出了一种利用基于模糊划分的迭代自组织数据分析技术(ISODATA)模糊聚类方法识别电力系统同调机群的算法.首先介绍了基于模糊划分的ISODATA模糊聚类方法的原理;然后在一些基本假设并对系统元件做了必要简化的基础上,形成了利用该方法识别同调机群的模糊集合;最后通过对新英格兰10机39节点系统的算例仿真验证了该方法的有效性.     

改进模糊ISODATA法识别电力系统同调机群

引入模糊聚类方法识别电力系统同调机群。首先对原有的基于模糊相关自组织数据分析算法(iterativese lf-organ iz ing data ana lys is techn iques a lgorithm,ISODATA)的同调机群识别法的各个控制参数的选取问题进行了大量仿真实验,给出了优化参数取值的一些经验值。特别在如何确定最优分类数的问题上引入了模糊F统计量的方法,并根据电力系统同调识别的特点改进了模糊相关自组织数据分析算法的同调机群识别算法,使其更能适用于工程应用。最后用EPR I_36节点纯交流系统的仿真计算验证了该方法的有效性。     

基于两步聚类法的受扰机群同调性分析

提出了一种基于两步聚类法的电力系统受扰机群同调性分析方法。首先通过BIRCH算法处理广域量测系统提供的受扰机群电角速度数据,构建受扰机群的聚类特征（clustering feature,CF）树来实现预聚类;然后采用层次聚类法处理预聚类结果并自动确定聚类数量来实现正式聚类;最后根据聚类结果进行受扰机群的同调性分析。通过对新英格兰10机39节点系统的算例仿真,对比不同的同调机组识别方法,验证了该方法的有效性以及能够实现自动确定同调机组数的特点。     

基于VMD模糊熵与GG聚类的直流配电网故障检测方法

针对直流配电网存在的故障信号难以提取、不易对各类故障进行诊断等问题,提出一种基于变分模态分解(VMD)模糊熵与Gath-Geva(GG)聚类的故障检测方法。首先,提取出暂态电流,采用VMD算法将故障暂态电流分解成若干个固有模态分量(IMF)。然后,分别计算分解得到的若干个IMF的模糊熵,将其作为特征向量。最后,采用GG聚类算法对故障特征的特征向量进行聚类识别。GG聚类的主要算法为将聚类样本划分为c类,设出隶属度矩阵,通过设定迭代来计算聚类中心与最大似然估计距离,更新隶属度矩阵,当隶属度矩阵满足条件矩阵时终止迭代,从而实现对单极故障、极间故障以及区外交流侧接地故障的聚类识别。仿真结果表明,所提保护方案可靠性强、准确率高,在不同故障类型、故障位置和过渡电阻等工况下均能可靠检测直流线路故障并准确识别故障类型,且具备一定的抗干扰能力。     

基于模糊聚类法探究扰动对同调分群的影响

为研究大扰动对电网分群产生的影响,基于模糊聚类在同调分群的基础上研究了故障对同调分群的影响.先应用模糊聚类法得到初始同调分类结果,以模糊聚类公式为出发点,探究故障前后因子发生的变化,然后用BPA程序对IEEE 39节点进行试验,结果得到了故障对发电机间互导纳距离影响较大从而影响分群结果.为后续问题提供了一个良好的研究思...     

基于广域信息的同调机群在线识别方法

为充分挖掘广域测量系统(wide area measurement system,WAMS)的实测数据来提高对系统的动态监测分析和控制水平,利用WAMS得到的发电机功角信息,提出一种能够在线识别同调机群的新方法。首先通过对功角采样值进行三角函数拟合得到初步分群结果;然后利用离散Fréchet距离计算完成最终分群。该方法具有原理简单清晰、计算量小的特点,能够实时对系统进行动态分群,尤其适用于复杂互联系统。通过EPRI-36节点系统仿真算例验证了所提方法的有效性,还将所提方法与三取二分群方法进行了分群效果的对比。     

采用受扰轨迹和独立分量分析技术识别同调机群的方法

针对大区电网互联运行中出现振荡失步时,需要正确划分同调机群以解列电网的问题,提出采用独立分量分析技术(independent component analysis,ICA)对故障后的发电机受扰轨迹进行特征提取,来识别系统中同调机群的方法。与现有方法相比,这种方法不需要获得系统元件模型和参数,而是直接球化广域测量系统(wide area measurement systems,WAMS)提供的发电机电角速度信号,再利用最大负熵准则进行独立分量分析得到特征矩阵,将高维数的多机受扰轨迹数据变换到低维空间,通过模式识别得到分群结果。8机36节点系统和西北750 kV电网规划系统算例表明,该方法能有效消除噪音和坏数据的影响,准确识别出同调机群。     

基于非负矩阵分解的同调机群识别方法

为了解决源数据维数较大的问题,提出了一种基于非负矩阵分解(NMF)的同调机群识别方法.采用发电机角速度作为源数据,使用NMF算法对其进行降维.由于此低维矩阵具有非负性质,因而该模型在消除冗余数据、降低维数的同时,保留了原始问题的实际意义.对低维矩阵归一化,再利用K均值聚类算法对其进行聚类,达到同调机群的分群目的.通过New England 10机39节点系统比较了基于NMF和主成分分析方法的分群效果,验证了基于NMF的同调机群识别方法的有效性.     

基于离散小波变换和模糊K-modes的负荷聚类算法

为了研究智能电网背景下用户的用电模式,考虑到现有聚类算法的不足,提出了一种基于离散小波变换的模糊K-modes聚类算法。利用离散小波变换将时域的负荷曲线转换到频域,从而将负荷曲线的不同特征隔离在不同的频域水平,并利用低阶近似的思想选取原始曲线的有效分量曲线;对所选的分量曲线进行趋势编码,将连续负荷数据转化为离散类属性数据;基于平均密度确定初始聚类条件,利用模糊K-modes聚类算法对曲线进行形态聚类,得到负荷曲线模板;将所提算法与传统K-means算法及层次聚类算法进行比较,从而验证了所提算法的有效性。     

基于慢同调理论和希尔伯特-黄变换的发电机在线同调识别

提出一种在线同调机群识别方法。根据慢同调分群算法确定线性化系统的最优慢同调聚合分群数,根据分群矩阵的相关系数、振荡模式的参与因子,以及广域测量系统提供的功角信息,利用希尔伯特-黄变换提取发电机的振荡模式能量谱,实现扰动后的发电机群的同调识别。通过WSCC系统和新英格兰10机39节点系统的仿真实验验证所提方法的适用性和有效性,该方法能全面反映系统在受扰后的动态特性和系统的非线性时变特性。     

基于差分双正交小波熵的变压器励磁涌流识别算法

励磁涌流仍然是制约差动保护正确动作的最主要问题之一。分析了励磁涌流和内部故障电流的波形特征,根据励磁涌流突变点分布特性,提出了一种小波熵识别励磁涌流的新判据。用双正交多分辨率分析取代常规的正交多分辨率分析,以解决下坡突变点难以辩识问题。采用差分预处理策略放大突变点的奇异性特征,并利用三相小波熵的分布特征识别励磁涌流。在此基础上,制定了励磁涌流识别的具体实现方案。仿真及实验表明,所提出的励磁涌流识别方法有效。     

基于小波熵的直流系统环网接地故障诊断

针对直流系统中环网对接地故障检测的影响,在传统低频信号注入法的基础上提出了一种新的基于小波熵理论的直流系统环网接地故障检测方法。该方法利用小波分析具有时频局部化特性和熵能对系统状态表征的特点,将小波分析和熵结合起来完成信号的特征挖掘。通过低频信号注入,采集环网状态,计算小波熵作为系统的特征参数,以小波熵来识别不同情况的接地故障。仿真分析证明,小波熵能够反映环网发生接地故障前后的系统变化,用小波熵来提取环网故障信息并进行故障识别是一种行之有效的方法。     

基于整数提升小波时间熵的超声波回波位置检测

超声波的回波位置与信号检测具有十分重要的意义。本文引入小波时间熵技术实现了超声波回波位置的检测,其中针对超声波信号的特点对原有的小波时间熵算法进行了改进。选择适当的窗口宽度,从振动信号的低频系数出发计算时间熵,获得了良好的实际信号处理结果。文中针对超声波回波检测实际装置实现的要求采用了整数提升小波,降低了算法对硬件系统的需求,加快了算法的运行速度与性能。     

基于模糊聚类曲线相似度的负荷用户识别方法

为了满足电网公司精细化管理的要求及有针对性地管理用户,提出了一种基于模糊聚类算法与曲线相似度的负荷用户识别方法。以江南地区养殖负荷用户为例,通过电力数据驱动,进行数据挖掘分析,依据特征量和日负荷曲线,引入模糊聚类算法得到养殖负荷用户规律性用电行为特性,最后通过分析用户日负荷曲线与特性曲线之间的曲线相似度判断用户是养殖负荷用户的可能性,为供电公司精准服务提供依据。随机抽取供电公司未知用户负荷数据进行实例验证,结果表明,所提出的方法具有较好的可行性和有效性。     

基于GIS的小波神经网络库区径流预报模型研究

提出了一种基于GIS与小波神经网络方法相结合构建而成的水库日径流预测模型(GWNNR),通过模糊C均值聚类分析将水库历史径流数据分成4类,并分别建立相应的小波神经网络预测模型,应用遗传算法(Genetic algorithm)和误差反传递(Back-propagation)算法对模型的参数进行优化,对某水库2005年日平均来流进行分类预测,结果表明,该方法具有较好的训练速度和较高的预测精度.     

基于AVMD多尺度模糊熵和VPMCD算法的宽频振荡分类

电力系统宽频振荡具有宽频域、非线性和时变性的特点,对振荡分类在准确性、快速性等方面提出了更高的要求。为此,提出一种基于自适应变分模态分解(adaptive variational mode decomposition, AVMD)的多尺度模糊熵(multi-scale fuzzy entropy, MFE)和变量预测模型(variable predictive model-based class discriminate, VPMCD)相结合的宽频振荡分类新方法。首先,对宽频振荡信号进行AVMD,得到固有模态分量(intrinsic mode functions, IMFS)。然后,引入MFE对IMFS进行时域特征描述,同时实现对IMFS构造特征向量的降维处理。最后,采用VPMCD对MFE降维后的特征向量实现宽频振荡的分类检测。通过仿真和实测数据分析,结果表明,所提方法的宽频振荡分类检测准确率比支持向量机(support vector machines, SVM)、BP神经网络方法的分类准确率更高,分类时间更短。     

基于模糊聚类分析的多机系统特征值计算

QR法是计算系统特征值的传统算法，但在系统阶数甚高的情况下，会发生“维数灾”问题，针对此提出一种基于模糊聚类分析的多机电力系统特征值的计算方法，这一方法根据多机系统K1－K6模型的K1矩阵建立机组之间的相似模糊关系，进行模糊聚类分析，将多机系统划分为若干个近似解耦的解耦子系统。对各个解耦子系统分别进行特征值计算，各解耦子系统特征值的集合即为原系统的近似特征值，算例表明，对于包括机电模式在内的系统全部特征值，都可取得满意的计算结果。     

基于小波模糊神经网络配网馈线故障测距的研究

在小电流接地系统单相接地故障特征分析的基础上,结合小波变换和模糊神经网络的特点,提出了适合配网故障后暂态信号分析的小波模糊神经网络模型及算法,应用于小电流接地系统的故障测距.理论分析及大量仿真结果显示此方法是可行的,且具有较好的故障测距性能.