基于最大流算法的电力负荷坏数据辨识系统

1

作者 曾俊然 王长伟 +2 位作者 陈雪 黄文琦 梁凌宇 《电子设计工程》 2024年第2期89-92,97,共5页

用电负荷坏数据会对电力供电产生很大的破坏性,为了提高对电力负荷坏数据的检测能力,设计基于最大流算法的电力负荷坏数据辨识系统。硬件主要包括采集器、处理器、信号识别器三部分,采集器在高压电池侧边需要放置微控制单元,处理器将波... 用电负荷坏数据会对电力供电产生很大的破坏性,为了提高对电力负荷坏数据的检测能力,设计基于最大流算法的电力负荷坏数据辨识系统。硬件主要包括采集器、处理器、信号识别器三部分,采集器在高压电池侧边需要放置微控制单元,处理器将波形数据转换为数字信息实现控制。信息识别器的连接结构为阅读芯片与单片机的输入端口互相连接,单片机的输出端口与通信状态显示屏相互连接,载波发生器与调制器相互连接。利用最大流算法建立拓扑模型,在电力系统网络流中,采用中心性指标完成对点到边、边到点、点到点、边到边之间的电力数据划分,利用最大流算法对坏数据完成辨识。实验结果表明,所设计系统可以确保电网受到攻击后剩余流量高于95%,辨识准确率高于90%。 展开更多

关键词 最大流算法 电力负荷 负荷坏数据 坏数据辨识 辨识系统

在线阅读 下载PDF 职称材料

基于最优交集相似日选取的短期母线负荷综合预测 被引量：32

2

作者 孙谦 姚建刚 +3 位作者 赵俊 金敏 毛李帆 毛田 《中国电机工程学报》 EI CSCD 北大核心 2013年第4期126-134,17,共9页

准确的短期母线负荷预测是实现节能降耗与调度精细化管理的基础,提出一种基于最优相似日选取的综合预测方法。利用改进的聚类分析算法,得到历史标幺曲线的形状相似集与特征曲线。通过构造反映数据点性质的横向及纵向特征向量矩阵,辨识... 准确的短期母线负荷预测是实现节能降耗与调度精细化管理的基础,提出一种基于最优相似日选取的综合预测方法。利用改进的聚类分析算法,得到历史标幺曲线的形状相似集与特征曲线。通过构造反映数据点性质的横向及纵向特征向量矩阵,辨识出坏数据并进行调整。计算日特征相关因素对负荷水平的影响,并将各因素的重要程度加权于模糊目标函数,得到目标日的负荷水平相似集。建立各类形状相似集的判别函数,并将目标日归类。对待预测日的负荷水平与曲线形状相似集,取两者的交集作为相似日选择结果。以该交集中与目标日日期差最小的样本为虚拟预测对象,计算综合预测中各算法的权重。实例分析表明,所提方法可有效改善原始数据的质量,提高母线负荷预测精度。 展开更多

关键词 短期母线负荷预测 坏数据处理 最优交集 相似日选取 综合预测

原文传递

规避坏数据影响的母线负荷预测新策略 被引量：11

3

作者 陈新宇 康重庆 +2 位作者 陈刚 程芸 杨军峰 《中国电力》 CSCD 北大核心 2009年第9期27-31,共5页

坏数据的存在对母线负荷预测的精度有较大影响。针对在实际工作中坏数据辨识和修补的结果不令人满意的情况,提出了一种新的规避坏数据影响的预测策略。提出了完全可信信息集的概念,在这一概念下将历史负荷进行合理划分,并分析了相互之... 坏数据的存在对母线负荷预测的精度有较大影响。针对在实际工作中坏数据辨识和修补的结果不令人满意的情况,提出了一种新的规避坏数据影响的预测策略。提出了完全可信信息集的概念,在这一概念下将历史负荷进行合理划分,并分析了相互之间的横向联系和纵向联系;由此提出了以完全可信信息集为基础的预测策略,避免将修补后数据直接用于预测,妥善处理坏数据对预测效果的影响。描述了预测方法的实现过程,算例表明这一预测策略可以取得较好的效果。 展开更多

关键词 母线负荷预测 坏数据 特征曲线 预测误差

在线阅读 下载PDF 职称材料

中压配电网不良负载数据分析与处理方法 被引量：10

4

作者 黎灿兵 刘晓光 +2 位作者 赵弘俊 文燕 李大勇 《电力系统自动化》 EI CSCD 北大核心 2008年第20期97-100,共4页

根据配电网运行环境复杂、标准化程度低、工况种类多等特点,详细分析了数据采集与监控系统中存在大量的中压配电网线路不良负载数据的原因,包括错误数据、故障数据、线路改造、转供电流等,提出了针对性强的中压配电网不良负载数据的辨... 根据配电网运行环境复杂、标准化程度低、工况种类多等特点,详细分析了数据采集与监控系统中存在大量的中压配电网线路不良负载数据的原因,包括错误数据、故障数据、线路改造、转供电流等,提出了针对性强的中压配电网不良负载数据的辨识处理方法,能准确辨识各种原因形成的不良负载数据。该方法在某市的配电网评估系统的实际运用以及某地中压配电网实际数据分析表明了其实用性。 展开更多

关键词 中压配电网 线路负载率 不良数据辨识处理 配电网自动化

在线阅读 下载PDF 职称材料

基于新息图法的电力系统负荷突变辨识 被引量：4

5

作者 毛志强 蔡中勤 +3 位作者 周苏荃 李碧君 李雷 龚成明 《电力系统自动化》 EI CSCD 北大核心 2011年第12期37-41,共5页

负荷突变会引起系统运行状态的突然变化,在有预报功能的状态估计中会对不良数据的识别产生不良影响。结合工程实际应用,对新息图法状态估计识别负荷突变的方法进行了深入研究,提出了突变路径和突变子网的概念以及识别负荷突变的方法。... 负荷突变会引起系统运行状态的突然变化,在有预报功能的状态估计中会对不良数据的识别产生不良影响。结合工程实际应用,对新息图法状态估计识别负荷突变的方法进行了深入研究,提出了突变路径和突变子网的概念以及识别负荷突变的方法。在确定节点注入新息偏大的可疑节点后,通过寻找这些可疑节点之间是否存在突变路径,确定能否形成突变子网,以识别由多台发电机给突变负载提供功率的情况。节点新息和支路新息差在识别过程中相互检验,解决了负荷突变和不良数据同时存在时的识别问题。以IEEE 30节点系统为例详述了利用突变子网识别负荷突变的方法,该方法已在工程实际中得到验证。 展开更多

关键词 状态估计 新息图 负荷突变 不良数据

在线阅读 下载PDF 职称材料

基于特性矩阵分层分析的短期母线负荷预测坏数据处理策略 被引量：9

6

作者 孙谦 姚建刚 +3 位作者 金敏 杨胜杰 匡少林 徐振超 《电工技术学报》 EI CSCD 北大核心 2013年第7期226-233,共8页

原始数据分析是提高短期母线负荷预测精度的重要环节,提出一种基于特性矩阵分层分析的坏数据处理策略。首先研究划分样本集最优簇结构的聚类算法。利用AP聚类计算标幺曲线样本集的聚类数搜索区间;从大到小排列各样本点的密度指标,得到... 原始数据分析是提高短期母线负荷预测精度的重要环节,提出一种基于特性矩阵分层分析的坏数据处理策略。首先研究划分样本集最优簇结构的聚类算法。利用AP聚类计算标幺曲线样本集的聚类数搜索区间;从大到小排列各样本点的密度指标,得到初始化矩阵;通过Silhouette指标进行有效性检验,最终得到最优聚类结果。参照特征曲线,计算反映负荷点性质的横向及纵向特征向量,进而形成特性矩阵。运用判别准则对日负荷曲线的特性矩阵进行分层分析,并针对不同变化特性的母线负荷制定相应的坏数据处理策略。实例分析表明,本文提出的方法可有效改善原始数据的质量,提高母线负荷预测精度。 展开更多

关键词 短期母线负荷预测 坏数据处理 特性矩阵 分层分析 聚类算法

在线阅读 下载PDF 职称材料

低秩矩阵分解在母线坏数据辨识与修复中的应用 被引量：12

7

作者 王毅 李鼎睿 康重庆 《电网技术》 EI CSCD 北大核心 2017年第6期1972-1979,共8页

母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方... 母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。 展开更多

关键词 母线负荷 低秩矩阵分解 坏数据辨识 坏数据修复 负荷预测

原文传递

一种基于Spark和聚类分析的辨识电力系统不良数据新方法 被引量：67

8

作者 孟建良 刘德超 《电力系统保护与控制》 EI CSCD 北大核心 2016年第3期85-91,共7页

随着电力系统智能化建设的不断深入和推进,电力系统数据呈现海量化、高维化的趋势。针对电力系统中的不良数据将导致电力系统状态估计结果的准确性降低,而传统聚类算法处理海量高维数据时单机计算资源不足,近年来较流行的Map Reduce框... 随着电力系统智能化建设的不断深入和推进,电力系统数据呈现海量化、高维化的趋势。针对电力系统中的不良数据将导致电力系统状态估计结果的准确性降低,而传统聚类算法处理海量高维数据时单机计算资源不足,近年来较流行的Map Reduce框架不能有效处理频繁迭代计算等问题,提出一种基于Spark的并行K-means算法辨识不良数据的新方法。以某一节点电力负荷数据为研究对象,运用基于Spark的并行K-means聚类算法提取出日负荷特征曲线,分别对输电网状态估计中的不良数据进行检测和辨识。选用EUNITE提供的真实电力负荷数据进行实验,结果表明此方法能有效提高状态估计结果的准确性,与基于Map Reduce框架的方法相比,具有更好的加速比、扩展性,能更好地处理电力系统的海量数据。 展开更多

关键词 SPARK 聚类 K-MEANS 电力系统 不良数据 负荷曲线分类

在线阅读 下载PDF 职称材料

扩展短期负荷预测方法的应用 被引量：25

9

作者 莫维仁 张伯明 +2 位作者 孙宏斌 胡子珩 刘顺桂 《电网技术》 EI CSCD 北大核心 2003年第5期6-9,共4页

扩展短期负荷预测方法利用最新的历史负荷数据,预测当日当前时刻以后若干小时的未知负荷,其预测精度明显高于常规的短期负荷预测。为满足电力市场实时交易对负荷预测的新要求,将这种方法应用于修改历史负荷坏数据和补足当日未知负荷数据... 扩展短期负荷预测方法利用最新的历史负荷数据,预测当日当前时刻以后若干小时的未知负荷,其预测精度明显高于常规的短期负荷预测。为满足电力市场实时交易对负荷预测的新要求,将这种方法应用于修改历史负荷坏数据和补足当日未知负荷数据,以协助提高短期负荷预测的准确度。文中详细介绍了这两种应用的背景和实现原理,并以实际电力系统的应用结果数据证实了这两种应用方案是有效的和实用的。 展开更多

关键词 电力系统 电网 短期负荷预测 电力市场 数据采集系统

在线阅读 下载PDF 职称材料

基于鲁棒Holt-Winter模型的超短期配变负荷预测方法 被引量：24

10

作者 吴越强 吴文传 +1 位作者 李飞 张伯明 《电网技术》 EI CSCD 北大核心 2014年第10期2810-2815,共6页

超短期配变负荷预测结果是配电网状态估计中伪量测的主要来源之一,其利用的历史数据主要来源于自动计量系统。伪量测的精度会显著影响状态估计的结果。给出了一种基于鲁棒Holt-Winter模型的超短期负荷预测方法。该方法综合考虑线性趋势... 超短期配变负荷预测结果是配电网状态估计中伪量测的主要来源之一,其利用的历史数据主要来源于自动计量系统。伪量测的精度会显著影响状态估计的结果。给出了一种基于鲁棒Holt-Winter模型的超短期负荷预测方法。该方法综合考虑线性趋势、季节变动和随机波动的时间序列特性,并与指数平滑法相结合,具有良好的预测能力。此外,该方法可以自动识别和修正坏数据。以某配电网的实际数据进行了算例分析,结果表明该方法具有良好的预测精度,且具有自动压缩坏数据影响的特性。 展开更多

关键词 超短期负荷预测 鲁棒Holt-Winter模型 坏数据处理

原文传递

基于小波分析的母线负荷预测不良数据检测 被引量：7

11

作者 康仁 《中国电力》 CSCD 北大核心 2011年第8期5-8,共4页

母线负荷预测是电力系统调度运行的重要基础,而母线负荷预测中可能存在较多的不良数据,极大地影响预测精度。以准确检测母线负荷预测中的不良数据为目标,分析不良数据的来源,指出了数据奇异点与不良数据的关系,提出了基于小波分析理论... 母线负荷预测是电力系统调度运行的重要基础,而母线负荷预测中可能存在较多的不良数据,极大地影响预测精度。以准确检测母线负荷预测中的不良数据为目标,分析不良数据的来源,指出了数据奇异点与不良数据的关系,提出了基于小波分析理论进行不良数据检测的方法。理论分析表明,该方法具有完整、精确、准确及简单的特点,通过实验证明了该方法能够很好地识别增幅点、降幅点、突变点等典型的不良数据,有效提高预测精度。希望能够对母线负荷预测工作提供有益的参考。 展开更多

关键词 母线负荷预测 不良数据 小波分析 检测

在线阅读 下载PDF 职称材料

基于模糊负荷聚类的不良负荷数据辨识与修正 被引量：12

12

作者 刘辉舟 周开乐 胡小建 《中国电力》 CSCD 北大核心 2013年第10期29-34,共6页

为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值(Fuzzy C-Means,FCM)算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法。差量系数大于电力公司确定的阈值的负荷点即为不良负荷... 为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值(Fuzzy C-Means,FCM)算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法。差量系数大于电力公司确定的阈值的负荷点即为不良负荷数据。通过算例验证表明,该方法克服了统计历史数据中不良数据的影响,提高了不良数据辨识的可操作性和实用性。同时提出了考虑不良数据测量点外所有其他测量点负荷信息的不良数据修正方法,与仅考虑不良数据测量点前后2个测量点负荷信息的修正方法相比,提高了不良数据修正的精确性和有效性。 展开更多

关键词 不良负荷数据 辨识与修正 负荷曲线聚类 模糊C均值算法

在线阅读 下载PDF 职称材料

数据挖掘在电力负荷坏数据智能辨识与修正中的应用 被引量：11

13

作者 张昀 周湶 +3 位作者 任海军 孙才新 伍科 马小敏 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2013年第2期69-74,共6页

负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理。本文采用基于加权核函数的模糊C均值聚类的改进算法—WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不... 负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理。本文采用基于加权核函数的模糊C均值聚类的改进算法—WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不相似性测度函数,减小了计算复杂度。对数据进行聚类之后,采用收敛速度快、模式分类能力强的超圆神经元网络数据辨识模型,并对识别出的坏数据进行修正,实例证明本文提出的数据处理模型具有较好的效果。 展开更多

关键词 模糊C均值聚类 超圆神经网络 不良数据检测与辨识 电力系统负荷预测

原文传递

基于空间密度聚类和异常数据域的负荷异常值识别方法 被引量：49

14

作者 赵天辉 张耀 王建学 《电力系统自动化》 EI CSCD 北大核心 2021年第10期97-105,共9页

针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法。首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式中的负荷曲线进行负荷水平分类。然后,在不同负荷水平下,利... 针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法。首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式中的负荷曲线进行负荷水平分类。然后,在不同负荷水平下,利用负荷期望值的置信区间和负荷样本与样本均值之间偏差的四分位差,构建异常数据域。考虑非典型用电行为的偶然性,引入用电时刻偏移量,对形成的异常数据域进行修正,并构建面向异常用电模式的异常数据域。在算例中,采用居民和工业用户的负荷数据集对所提方法进行检验,相比于传统方法,文中所提方法的识别精确率平均提高了10%以上,综合评价指标平均提高了4%以上。 展开更多

关键词 负荷异常值 不良数据辨识 负荷聚类 用电模式 负荷水平 四分位差 用电时刻偏移

在线阅读 下载PDF 职称材料

含有历史不良数据的电力负荷预测研究 被引量：26

15

作者 杨慧霞 邓迎君 +1 位作者 刘志斌 姚睿 《电力系统保护与控制》 EI CSCD 北大核心 2017年第15期62-68,共7页

传统负荷预测算法在历史负荷序列无不良数据的条件下已能对短期负荷做出较为理想的预测。由于实际负荷数据在监测、集抄、存储过程中难免会产生错误或有所误差,此时仍依靠传统预测算法进行负荷预测,可能在某些时间节点会引起较大误差。... 传统负荷预测算法在历史负荷序列无不良数据的条件下已能对短期负荷做出较为理想的预测。由于实际负荷数据在监测、集抄、存储过程中难免会产生错误或有所误差,此时仍依靠传统预测算法进行负荷预测,可能在某些时间节点会引起较大误差。为了解决此问题,提出含有历史负荷序列不良数据辨识与修正能力且能对负荷进行相似度预测及负荷偏差纠正的预测模型。通过运用实际电力负荷数据进行验证,该模型能较好地避免了不良数据的干扰,有效地提高了含有不良数据的历史负荷序列的预测精度。 展开更多

关键词 短期负荷预测 不良数据辨识 相似度 神经网络

在线阅读 下载PDF 职称材料

电压无功控制中的不良数据辨识 被引量：1

16

作者 陈波 李保全 +2 位作者 李亚红 刘配配 刘瑗瑗 《武汉大学学报（工学版）》 CAS CSCD 北大核心 2010年第5期646-649,共4页

电压无功控制(VRPC)由于缺少对变电站遥测数据的真实性进行有效和准确地辨识,容易引起装置误动.针对电压无功控制装置的功能和研究现状,根据无功负荷曲线相似性和平滑性的两个重要特征,采用改进的BP神经网络模型,通过对影响无功负荷的... 电压无功控制(VRPC)由于缺少对变电站遥测数据的真实性进行有效和准确地辨识,容易引起装置误动.针对电压无功控制装置的功能和研究现状,根据无功负荷曲线相似性和平滑性的两个重要特征,采用改进的BP神经网络模型,通过对影响无功负荷的主要因素进行离线训练,实现对无功负荷曲线的拟合,进而实现对无功负荷的预测.通过对实时无功负荷数据和预测无功负荷数据进行比较,实现对不良无功数据的在线辨识.仿真算例验证了改进的BP神经网络模型的有效性和准确性. 展开更多

关键词 变电站 电压无功控制(VRPC) 改进的BP神经网络 无功负荷 不良数据辨识

原文传递

基于爬山—蚁群—FCM模糊聚类的不良负荷数据辨识 被引量：6

17

作者 甘迪 金岩磊 +1 位作者 葛立青 郭鑫溢 《电力大数据》 2022年第1期1-8,共8页

针对电力负荷数据存在不良数据的问题,本文提出一种基于爬山-蚁群-FCM模糊聚类算法的不良负荷数据辨识及修正方法,将启发式算法与元启发式算法结合,克服搜索算法容易陷入局部最优的缺陷。以爬山算法为蚁群算法提供初始解,由蚁群算法为FC... 针对电力负荷数据存在不良数据的问题,本文提出一种基于爬山-蚁群-FCM模糊聚类算法的不良负荷数据辨识及修正方法,将启发式算法与元启发式算法结合,克服搜索算法容易陷入局部最优的缺陷。以爬山算法为蚁群算法提供初始解,由蚁群算法为FCM模糊聚类算法提供聚类数目和聚类中心,克服传统聚类算法选取聚类数据和聚类中心的偶然性。根据FCM模糊聚类结果计算特征曲线和可行域上下限,辨识不良负荷数据,并对不良负荷数据采用插值法进行数据修正。算例结果表明,本文方法可以有效实现不良负荷数据辨识功能,在模型的准确性上相比单一搜索算法更优,具有较高的准确性和鲁棒性,有助于提升电网数据质量,为负荷数据辨识乃至其他电力数据辨识等领域提供了一种研究思路。 展开更多

关键词 数据辨识 不良负荷 蚁群算法 爬山算法 聚类

在线阅读 下载PDF 职称材料

基于云计算的多因素电力负荷坏数据自动检测方法 被引量：2

18

作者 叶刚进 杨翾 吴梦遥 《自动化与仪器仪表》 2020年第1期169-172,共4页

电力负荷坏数据对电网具有严重的破坏性,为了提高对电力负荷坏数据的检测能力,提出基于云计算的多因素电力负荷坏数据自动检测方法。采用云计算模型进行多因素电力负荷坏数据的分布式重组和集成运算,构建多因素电力负荷坏数据的云网格... 电力负荷坏数据对电网具有严重的破坏性,为了提高对电力负荷坏数据的检测能力,提出基于云计算的多因素电力负荷坏数据自动检测方法。采用云计算模型进行多因素电力负荷坏数据的分布式重组和集成运算,构建多因素电力负荷坏数据的云网格分布模型,在云网格空间中采用主成分特征分析方法进行多因素电力负荷坏数据特征检测,在双极型直流配电网中实现对多因素电力负荷坏数据的共模分量计算,提取电力负荷坏数据的能量谱特征量,根据负荷用电特性、潮流分布及其容量等参数,实现对多因素电力负荷坏数据的特征检测。仿真结果表明,采用该方法进行多因素电力负荷坏数据检测的自动性较好,检测准确率较高。 展开更多

关键词 云计算 电力负荷 坏数据 自动检测 潮流分布 特征提取

原文传递

基于改进式k-prototypes聚类的坏数据辨识与修正 被引量：9

19

作者 王孝慈 董树锋 +2 位作者 刘育权 王莉 李俊格 《电测与仪表》 北大核心 2022年第2期9-15,共7页

工业领域很多技术的实现都以准确的负荷数据为基础,而工厂现有的负荷数据测量体系常因为通信、存储等故障,导致负荷数据中出现大量坏数据。因此,提出基于改进式k-prototypes聚类的坏数据辨识与修正方法,通过在聚类中引入非负荷数据特征... 工业领域很多技术的实现都以准确的负荷数据为基础,而工厂现有的负荷数据测量体系常因为通信、存储等故障,导致负荷数据中出现大量坏数据。因此,提出基于改进式k-prototypes聚类的坏数据辨识与修正方法,通过在聚类中引入非负荷数据特征,削弱负荷坏数据对聚类结果的影响,使坏数据辨识和修复结果更准确。改进式k-prototypes算法通过随机初始化,并行计算择优,克服了标准k-prototypes容易随初始聚类中心陷入局部最优解的缺陷;并通过聚类数量的自适应处理,解决了主观决定聚类数量的问题。基于聚类结果,根据正态分布原则确定负荷数据可行域,识别坏数据,并利用类中心置换法进行修正。实验表明,该方法较只考虑负荷数据的模糊均值聚类法效果更好,坏数据识别的召回率与修正的准确率显著提高。 展开更多

关键词 k-prototypes聚类 混合数据集聚类 坏数据辨识 类中心置换修正法 工业负荷预处理

在线阅读 下载PDF 职称材料

基于正则化拉格朗日乘子法的配电网网络拓扑辨识 被引量：7

20

作者 周宁 方治 +1 位作者 蔺晨晖 吴文传 《供用电》 北大核心 2024年第6期12-20,共9页

网络拓扑辨识是配电网能量管理系统中的核心应用之一,是其他各种高级功能进行分析计算的基础。考虑量测中不良数据的影响,提出了一种基于正则化拉格朗日乘子法的配电网网络拓扑辨识方法。该方法将配电网网络拓扑与实际不符的情况视为多... 网络拓扑辨识是配电网能量管理系统中的核心应用之一,是其他各种高级功能进行分析计算的基础。考虑量测中不良数据的影响,提出了一种基于正则化拉格朗日乘子法的配电网网络拓扑辨识方法。该方法将配电网网络拓扑与实际不符的情况视为多个线路的参数误差问题,并采用拉格朗日乘子法进行辨识。重复运行辨识程序,依次校正超过所设阈值的最大正则化拉格朗日乘子所对应的线路,得到正确的配电网网络拓扑模型。通过对比每次辨识程序中的最大正则化残差和最大正则化拉格朗日乘子,区分配电网中的不良数据与拓扑错误,并对不良数据进行自动校正。借助于高精度微型同步相量测量单元(micro-phasor measurement units,μPMU)的量测信息,辨识方法适用于配电网的轻载模式。最后利用IEEE 33节点系统验证所提出的方法,结果表明所提出的方法能有效辨识网络拓扑错误和不良数据。 展开更多

关键词 配电网 拓扑辨识 不良数据 轻载模式 拉格朗日乘子法 微型同步相量测量单元

在线阅读 下载PDF 职称材料