学位论文 > 优秀研究生学位论文题录展示

基于数据挖掘技术的电力网络状态估计研究

作　者: 翟登辉
导　师: 刘莉
学　校: 沈阳理工大学
专　业: 控制理论与控制工程
关键词: 状态估计数据挖掘不良数据检测和辨识 k-means算法有效指数
分类号: TM769
类　型: 硕士论文
年　份: 2010年
下　载: 98次
引　用: 1次
阅　读: 论文下载

内容摘要

电力系统状态估计是利用量测系统的冗余度来提高数据精度,自动排除随机干扰所引起的错误信息,来估计和预报系统的真实运行状态。估计结果的准确性是对电力系统状态估计的基本要求。不良数据检测和辨识是电力系统状态估计的重要功能之一,它对状态估计结果的准确性起着重要作用。对输电网来说,由于量测装置多,实测量多,有冗余度,因此传统的不良数据检测和辨识主要集中在输电网,但是传统方法存在残差污染和残差淹没。因此,如何准确的对输电网状态估计中不良数据进行检测和辨识是不可回避的一个研究课题。对配电网而言,由于分布广,节点数目众多,量测装置匮乏,实测量少,需要产生伪量测来补充负荷数据进行配电网状态估计,由于以往采用的将配电变压器容量等方法来补充的伪量测与实测数据准确度差别较大,导致配电网状态估计结果不准确甚至不收敛,因此,必须寻找一种新方法来补充与实测数据比较接近的伪量测数据。本文围绕上述问题,以提高状态估计结果的准确性为目的,以某一节点负荷数据为研究对象,运用数据挖掘中k-means聚类算法并结合有效指数准则,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检测和辨识、配电网状态估计中的伪量测补充进行了研究。用MATLAB编制算法程序并进行仿真分析,结果表明,此方法效果良好。

全文目录

摘要  6-7
Abstract  7-10
第1章绪论  10-18
  1.1 引言  10-11
  1.2 电力系统状态估计的研究现状  11-13
  1.3 不良数据检测与辨识的研究动态  13-17
    1.3.1 传统的不良数据检测与辨识研究动态  13-15
    1.3.2 基于智能理论的不良数据检测与辨识研究动态  15-17
  1.4 本文的主要工作  17-18
第2章电力系统状态估计  18-30
  2.1 引言  18
  2.2 输电网状态估计的数学模型  18-24
    2.2.1 电力系统状态估计与常规潮流  19
    2.2.2 常规潮流的数学模型与算法  19-20
    2.2.3 状态估计的模型与算法  20-22
    2.2.4 常规潮流与状态估计算法的关系  22-23
    2.2.5 状态估计结果的统计分析  23-24
  2.3 配电网状态估计  24-29
    2.3.1 基于匹配潮流技术的配电网状态估计算法  24-27
    2.3.2 基于支路功率的配电网状态估计算法  27-29
  2.4 小结  29-30
第3章数据挖掘技术及其在电力系统中的应用  30-40
  3.1 引言  30-31
  3.2 数据挖掘的研究内容与常用算法  31-37
    3.2.1 数据挖掘的研究内容  31-32
    3.2.2 数据挖掘的常用算法  32-33
    3.2.3 聚类分析  33-34
    3.2.4 k-means 聚类算法  34-37
  3.3 数据挖掘与电力系统  37-39
    3.3.1 电力系统数据特点  37-38
    3.3.2 数据挖掘在电力系统中的应用  38-39
  3.4 小结  39-40
第4章基于改进k-means 的不良数据检测和辨识  40-60
  4.1 引言  40-41
  4.2 改进的k-means 聚类算法  41-43
  4.3 基于改进k-means 的特征曲线提取  43-44
  4.4 基于特征曲线的不良数据处理  44-46
    4.4.1 基于特征曲线的不良数据检测与辨识  44-45
    4.4.2 基于特征曲线的不良数据修正  45-46
    4.4.3 不良数据处理的流程图  46
  4.5 实例分析  46-58
    4.5.1 输电网状态估计中的不良数据处理  46-55
    4.5.2 配电网状态估计中的伪量测的补充  55-58
  4.6 小结  58-60
结论  60-61
参考文献  61-67
攻读硕士学位期间发表的论文和获得的科研成果  67-68
致谢  68-69
附录A  69-71
附录B  71-74
附录C  74-76
摘要  76-81
ABSTRACT  81-87

基于数据挖掘技术的电力网络状态估计研究

内容摘要

全文目录

相似论文