改进迭代自组织数据分析法的不良数据辨识

针对迭代自组织数据分析技术A(iterative selforgani zing data analysis technique A-ISODATlA)对初始聚类中心敏感问题,提出将基于遗传算法的改进ISODATA方法用于电力系统不良数据辨识。该方法采用量测值的标准残差rN 和相邻采样时刻量测值之差△z作为特征值,然后采用遗传算法形成初始分类矩阵,通过遗传操作进行迭代计算,实现量测数据的模糊聚类分析,最终根据隶属度的大小来辨识其是否属于不良数据。算例表明,该方法能最终获得全局最优解,从而进行准确的不良数据辨识,避免了初始聚类中心对分类结果的影响。     

基于简化网络模型的复杂中压配电网分析可靠性评估算法

提出一种基于简化网络模型的复杂中压配电网可靠性评估算法。为使网络简化,首先根据复杂配网特点将网络分块,块具有整体性,且块内元件故障后果一致,然后将块等效为简单的支路,形成简化网络模型。在简化网络模型基础上可灵活、高效地用最小割集法搜索故障、进行网络重构和潮流计算。应用该算法对RBTS-BUS6系统进行可靠性评估,算例表明该算法灵活、高效、实用、信息丰富。