基于粗糙集与模糊规则的变压器故障诊断方法

引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断。该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断。实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果。     

基于粗糙集的关联规则挖掘方法的研究与应用

基于粗糙集理论知识,对关联规则挖掘算法作出一定的改进。该算法的主要思想是把集合的近似质量作为迭代准则,初始约简集是所有的条件属性集合,在保证近似质量不变的前提下通过逐步缩减的方式来求取约简集,保证了所求的约简不会减弱对问题的分类决策能力。约简后得到新的决策表,在此基础上应用基于贪心思想的Apriori算法挖掘关联规则。算法的主要优势是在不影响对问题分类决策能力的前提下,以较小的属性和候选项集数目以及有限的扫描次数生成决策规则。通过应用实例和实验分析验证了算法的有效性。     

提高AVC系统运行可靠性的方法

在唐山电网电压无功优化闭环控制系统投运初期,发现了母线电压遥测刷新缓慢和跳变问题并导致相应厂站闭锁的情况,为提高自动电压控制（Automatic Voltage Control,AVC）闭环运行的可靠性,提出了解决方法。文章首先阐述了AVC系统应用情况,然后分析了导致AVC闭锁的遥测问题原因,提出解决问题的思路即建立遥测采集传输处理结构图,并结合唐山电网特点提出了遥测死区设置问题和处理跳变问题的措施和流程,最后通过实例分析对提出的方法进行了效果验证。     

基于粗糙集与模糊规则的变压器故障诊断方法

引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断.该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断.实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果.     

基于关联挖掘的无功优化关键参数智能辨识方法

针对传统无功优化中关键参数设置过程繁琐且设置结果不合理的问题,首先,给出一种基于斜率分段归并的曲线划分策略,用于对预测区间进行智能划分;其次,采用一种标准化欧式距离—动态时间弯曲(ED-DTW)混合策略,用于不同数据集间相似度的计算;最后,提出一种基于数据关联挖掘的无功优化参数智能辨识框架,用于对数据库内的历史数据进行挖掘。仿真采用实际电网数据对整个挖掘过程进行分析,挖掘结果显示,提出的辨识框架能自动给出参数的时段划分和设置结果,将挖掘得到的参数结果用于实际控制中,表明该方法获得的划分结果符合负荷峰谷特征,且相比传统方法,在减小电压偏差和提高电压合格率上效果更好。     

基于粗糙集数据挖掘的配电网小区空间负荷预测方法研究

提出了一种新颖的配电网空间负荷预测方法,采用粗糙集(RS)数据挖掘方法对可能影响小区用地决策的相关属性进行约简,去除冗余属性,克服了以往方法受人为因素影响较大的弱点,得出决定小区用地类型的决策规则,从而得到每个小区适于发展各类负荷的程度,再运用全局最优的土地分配算法来计算各小区内各类负荷的增长,克服了仿真法不能得到整个土地最优分配方案决策的弱点.最后用实例说明了该方法的有效性.     

基于改进粗糙集方法的水电站运行数据融合算法

为了挖掘水电站运行数据中蕴含的丰富且宝贵的实际运行知识,获得影响水电站主要设备状态的关键监测参量,有效提高电站的信息化管理水平,本文对水电站运行大数据的融合方法进行了研究。粗糙集理论是常用的冗余数据集约减融合方法之一,然而在面对规模较大的数据集时其往往体现出计算时间过长的缺点。为此,本文提出了改进的粗糙集属性约减方法,通过采用双向同时搜索、双向互相协调的模式对数据融合流程进行优化,提高了搜索速度并有效减少了计算开销。通过将改进数据融合方法分别应用于多个标准数据集和某水电站实际运行数据中,发现通过加强搜索力量、减小非必要计算量等策略,研究提出的改进粗糙集数据融合算法相比传统粗糙集属性约减算法提升了算法的计算速度和冗余属性约简能力,能够实现水电站运行大数据约简融合。     

基于模糊粗糙集和神经网络的短期负荷预测方法

针对采用神经网络进行电力系统短期负荷预测时其网络输入变量的选择是影响预测效果的关键问题，该文提出使用模糊粗糙集理论解决这一问题：对采集到的信息进行特征提取、形成决策表；利用模糊粗糙集理论进行属性约简、去除冗余信息；用得到的属性作为BP网络的输入进行训练预测。该方法既全面考虑了影响负荷预测的历史时间序列、气象等各种因素，为合理地选择神经网络的输入变量提供了一种新的方法，又避免了由于输入变量过多而导致神经网络拓扑结构复杂、训练时间长等不足。计算实例表明，文中提出的方法是有效且可行的。     

基于实时仿真系统的风电场AVC系统闭环测试方法

目前,风电场并网后的现场测试只能测试风电场自动电压控制(Automatic Voltage Control,AVC)系统的控制效果,无法对控制策略中无功分配策略等功能进行测试.针对此问题,提出了一种基于实时仿真系统的风电场AVC系统闭环测试方法,并建立了基于电力系统全数字仿真装置(Advanced Digital Po...     

Actor-Critic框架下的数据驱动异步电机 离线参数辨识方法

电动汽车用电机的参数辨识可以使电机在任意转速下尽可能输出更高的转矩及效率,是优化电机输出性能的重要手段。传统的基于模型驱动的参数辨识方法的缺点为易受模型误差的影响、抗干扰能力差以及无法实现全转速范围内的转矩最优。鉴于上述缺点,该文研究了一种完全基于实际数据的电动汽车用异步电机离线参数辨识方法,对电机的转子电阻和励磁电感在任意转速下进行了优化,从而使电机能够在特定转速和特定电流下输出最优转矩。为达到电机在特定转速和电流下输出转矩最优的目的,研究了一种基于Actor-Critic框架的电动汽车用异步电机离线参数辨识方法,确定了框架中的观测、奖励和动作的设计。实验证明相对于传统参数辨识方法,该文方法具有更高的精确性和鲁棒性,同时确保了电动汽车用异步电机在任意转速下的输出转矩最优。     

基于粗糙集数据挖掘技术的发电机竞标能力评估

提出通过粗糙集数据挖掘算法对历史竞标样本进行分析的新方法。对发电机竞标能力评估的概念和所需解决的问题以及影响竞标能力的因素进行了探讨。介绍了算法的基本概念、算法以及规则的确定。一个考虑市场需求水平、机组报价水平、机组容量等多因素的算例说明了该算法的实现过程并得到机组的负荷率与这些因素一些潜在的规则性知识,从而得到不同特征机组在市场中的竞标能力。这些知识对支持发电厂商决策和电力中介机构点电力交易中心(PowereXchange PX)以及独立系统运营中心(IndependentSystemOper ator     

一种基于粗糙集与小波变换的电能质量分类方法

针对目前电能质量问题分类常用方法中存在判断过程复杂且计算量大的问题。提出将小波变换和粗糙集理论相结合解决电能质量分类问题的方法。首先．利用小波变换提取扰动信号的特征矢量样本数据：然后。应用模糊C均值聚类的方法将所提取的连续的特征矢量样本数据离散化。得到离散化后的分类知识规则表;最后。采用粗糙集理论中的属性与属性值约简算法,获得判断电能质量分类的核心规则知识。通过对Matlab下的模拟信号数据进行仿真实验。结果表明该方法可直接由信号数据快速准确地判断出信号所属的电能质量类型．简单易行。     

基于粗糙集和决策树的自适应神经网络短期负荷预测方法

利用数据挖掘中的聚类技术将历史负荷数据进行聚类,根据聚类后的分类信息对定性属性利用粗糙集进行属性约简,由约简结果进一步生成决策规则树供短期预测使用.根据聚类的结果对每类进行BP神经网络的训练,神经网络的隐含层单元采取逐步试用的方法根据训练误差最小化进行选择.在实际预测中,首先对待预测的记录利用决策规则树进行归类,然后选取相应类别的神经网络予以预测.通过实例证明,该方法的平均相对误差为2.16%,而同结构BP神经网络预测的平均相对误差为2.67%,ARMA预测的平均相对误差为3.81%,证明所提方法有效.     

基于数据挖掘的负荷预测

简要叙述了数据挖掘技术及其在电力系统中的应用情况。提出了一种基于数据挖掘中时间序列相似性研究的电力负荷预测方法。通过采用序列分段平均值技术降维，结合滑动窗口和MBR方法实现子序列相似查询，并利用R -树作为多维索引结构提高检索效率。实验结果证明提出的方法是行之有效的。     

一种基于粗糙集的决策规则综合方法

提出了一种基于粗糙集的决策规则综合的新方法——归类优选方法。该方法避开了求取最小规则集的NP-hard问题。同时，通过定义一个规则命中函数，以及根据条件属性的重要性，对决策规则进行归类优选，较好地解决了新数据事例的规则匹配问题和训练数据集中的噪声抑制问题。算例表明该方法是有效的。     

基于扩展粗糙集的短期电力负荷预测模型

影响短期电力负荷预测的因素众多,如何有效地判断和选择这些相关因素是改善电力负荷预测的关键,通过引入数据挖掘中粗糙集约简算法来解决这一难题。针对常规粗糙集算法计算量大,且不具备容错性和泛化能力,在属性约简过程中设置了分类可信度β,因而对数据具有了一定的容错性和泛化能力,增强了抗噪声能力。经过对实际数据的计算分析,证实了本文提出的方法在一定程度上提高了负荷预测的精度和速度。     

基于粗糙集理论和信息融合的变电站故障诊断方法

由于变电站故障诊断信息中含有大量不确定、噪声数据，提出了利用粗糙集理论对大量的诊断征兆信息进行分类，从而获得简约的规则。然后从单个决策表中获得多个简约的决策规则集，再利用信息融合来综合这些简约的规则集进行故障的诊断，从而提高诊断的效率和准确性。从最后仿真比较的结果中可以看出该方法对含有噪声的数据也能获得较好的诊断准确率。     

粗糙集在电能质量综合评价中应用

提出了一种粗糙集的电能质量综合评价方法.以电力系统7个方面的参数作为评价指标,全面考察和衡量电能质量.采用指标加权的形式评定电能质量的优劣,以体现评价指标对评价目标的影响程度的差异.通过参考现有数据样本,运用粗糙集理论中属性重要性原理确定各评价指标之间的关系,权系数完全由数据本身的规律决定,避免了主观赋权法的随意性和客观赋权法不确定性缺点,使权重分配赋值更加科学合理,提高了评价的可靠性和精确性.通过对输电线路电能进行实地测试和评价,证明了所提方法的有效性和可行性.