文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 电子/电路 > 电力系统不良数据检测与辨识方法的现状与发展
侵权投诉

电力系统不良数据检测与辨识方法的现状与发展

电力系统

刘莉,等电力系统不良数据检测与辨识方法的现状与发展

.145.

实际应用以来,很多新方法就应用在电力系统不良数据辨识当中。

3.1模糊学及其它理论在不良数据中的应用

1996年刘浩122J根据模糊数学理论提出了一种新的检测不良数据的动态聚类方法,它采用了标准残差焉和两相邻采样时刻的量测数据差值Az,作为两个特征进行模糊聚类分析,有效地克服了残差污染和残差淹没现象;文献[23】应用模糊聚类分析方法ISODATA,寻求良数据和不良数据的聚类中心,并通过风和Az两个特征值,迭代计算每一量测值的隶属度,再以0.5作为分界线,快速、准确地辨识出不良数据。文献[24】针对上述方法指出,动态聚类方法需要根据一定的经验准则事先选取某些聚类参数,如希望的聚类数目、初始分类矩阵等,然后按照某种聚类准则对各样本进行依次训练调节,直至目标函数收敛到最小为止;同时,由于在聚类算法中自变量待聚类点的坐标值与目标函数都是离散量,必然存在着许多局部极值。因此初始分类矩阵的选择对聚类结果有着很大的影响。

1975年,美国Michigan大学的Holland教授首次提出遗传算法(geneticalgorithm,GA),该算法因具有全局优化搜索能力和鲁棒性强等特点而受到众学者们的重视,并且在电力系统领域开始得到了应用12纠:文献『251在文献[23]ISODATA的基础上,用遗传算法形成初始分类矩阵,然后通过遗传操作进行迭代计算,最终获得全局最优解,从而进行了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。

3.2数据挖掘在不良数据处理中的应用

随着神经网络的出现,由于具有处理非线性输入输出关系的能力,神经网络技术成为经常被使用的方法。文献[27】构造了一个反向传播神经元网络,用于估计前的滤波,能辨识多种形式的量测误差,包括一致不良量测,采用典型工况的正确量测量数据作为反向传播神经网络的训练样本,以便实时监控能正确检测和辨识不良数据;文献【28】基于Kohonen的自组织映射(selforganizingmap,SOM)的数据投影技术,比较原始量测、正则残差和正则信息三种输入变量区别不良数据的能力,认为正则信息适于预计辅助状态估计器的预滤波阶段,是辨识不良数据阶段最好的输入变量,构造了一个基于

(groupmethodofdatahandling,GMDH)的神经元

网络,它采用正则信息作为输入变量检测和辨识不

良数据。然而,神经网络方法的不足之处在于高度依赖网络的训练过程,训练样本的选定及其代表性将直接影响最后辨识的效果,阈值选取带有很大的主观性和经验性,使得实际应用比较困难。

万 

方数据针对神经网络方法的不足之处,2000年TibshiriniR.,waltherGt驯提出了间隙统计的数据挖掘算法(GapStatisticAlgorithm,GSA),但是当时很多方面还有待于进一步完善,尤其是在参考数据集的产生问题上还没有一个很完善的过程;Shyh.Jier

Huang等人【30】在2002年就运用了GSA算

法来对不良数据进行了处理,但是2003年在IEEE

陆续出现了基于GSA方法应用的论文,说明这种方法有其一定的应用价值。目前GSA算法已经被广泛研究[31-321,文献【32]指出GAP是一种应用于聚类分析中的方法,可以有效地估计数据集最合适的聚类数量。它通过产生一个参考的数据集,将参考数据与待检测数据的聚类离散度特性进行比较,判断两者之间的gap值,挖掘出隐藏在数据集内部的最合适聚类个数的信息。参考数据集的选取对结果的判断非常重要,但是在聚类个数较多时其计算量较大,期望能够有一种更加快速的算法来满足这种要求。另外,在①多个不良数据同时出现;②相互关联不良数据出现的情况下,单纯GSA方法进行电力系统不良数据辨识会出现误判【31】:于是2005年葛成等人【j2J针对文献【31】中的GSA算法的基础上又提出

了一种判断聚类个数的新方法一基于GSA的肘形判据,并结合江苏局部电网的实时测量数据进行

仿真分析,结果表明此方法克服了GSA算法出现的错误,具有很好的准确性和可靠性,计算速度也有很大的提高,是对原有GSA方法的改进和完善。就GSA方法而言,同时国内文献[33.34]也提出了将GSA聚类算法的数据挖掘技术融合神经网络技术和聚类算法的优点,应用于电力系统不良数据的辨识中,与传统的状态估计方法相比,此方法可避免残差污染和残差淹没现象。另外,在处理不良数据上运用抗差估计理论也是目前不少学者正在研究的课题【35】。

4结论

从目前国内外对电力系统不良数据检测与辨识方法的现状分析可知,应用于电力系统不良数据的检测与辨识的算法,主要有传统的状态估计方法与数据挖掘算法等新理论。

(1)文章针对传统的不良数据检测方法的目标函数极值检测法、标准化残差风检测法等,以及不良数据辨识方法主要有残差搜索法、非二次准则法、估计辨识法【49】等进行了详细的分析和论述。其中一些算法的缺点就是很可能出现残差污染和残差淹没现象,从而造成漏检和误检,由于这种常规的不良数据辨识算法采用非线性残差方程,辨识过程中需

上一页第3页

你可能喜欢

热门文档

相关文档

  • 电力系统不良数据检测与辨识方法的现状与发展

    2010 电力系统不良数据检测与辨识方法的现状与发展刘 莉 1,翟登辉 2,姜新丽 2 (1.沈阳工程学院,辽宁 沈阳 110136;2.沈阳理工大学,辽宁 沈阳 110159) 摘要:...

  • 电力系统不良数据检测与辨识方法的现状与发展

    电力系统不良数据的存在会降低电力系统状态估计的收敛性能,甚至造成电力系统状态估计的失败。回顾了国内外对电力系统不良数据检测与辨识方法的历史现状与发展,从对...

  • 浅谈电力系统不良数据检测与辨识

    1.引言不良数据的检测与辨识是电力系统状态估计的重要功能之一。 其目的在于排除量测采样 数据中偶然出现的少数不良数据,以提高状态估计的可靠性。目前电力系统发展...

  • 电力系统中的不良数据监测和辨识方法

    电力系统不良数据检测与辨识方法的现状与发展[J]. 电力 系统保护与控制,2010,38(5):143-145. [3]刘兰 黄彦全 李云飞 绍明. 抗差估计法应用于状态估计中...

  • 【论文】电力系统不良数据监测和辨识方法

    电力系统不良数据监测和辨识方法_专业资料。电力系统量测数据的质量是影响电力系统状态估计效率和结果的重要因素,而量测数据中客观地存在少量不良数据,检测和辨识这些...

  • 新息图法电力系统不良数据检测与辨识

    摘要:不良数据检测和辨识是电力系统状态估计的重要组成部分;所采用的新息图方法...在线监测、绝缘在线监测、高压开关 SF6气体在线监测等项目,及时掌握设备运行状况...

  • 2009-新息图法电力系统不良数据检测与辨识

    不良数据检测和辨识是电力系统状态估计的重要组成部分 ; 所采用的新息图方法 ,...绝缘在线监测 、 高压开关 SF6 气体在线监测等项目 ,及时掌握设备运行状况 。 ...

  • 基于GSA的电力系统不良数据辨识算法

    16 , 200 5 RELAY 41 基于 GSA 的电力系统不良数据辨识算法杨 伟 ,胡军 ,...作为比较基准 , 参考数据集通过在待检测数据 范围内产生均匀分布的随机值的方法...

  • 基于GSA改进算法的电力系统不良数据的辨识研究

    技术学院苏州校区,江苏 苏州 215137) 摘要:利用间隙统计算法(GSA)结合聚类分析,检测、辨识电力系统的不良数据 ,不同情况下的检测辨识仿真 , 证明了该方法的正确性...

  • 电力系统状态估计_检测及辨识

    另外, 线性规化和非线性规划方法也在电力系统状态...3 不良数据的检测与辨识不良数据的检测与辨识是...电力系统状态估计算法和不良数据的检测与辨识的现状...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email