论文摘要
电力系统规模逐渐增大,数据量提升,而当前的计算技术缺乏关于数据整体特征的描述,无法根据现有的数据准确充分做出决策。将计算机领域的数据挖掘技术应用于电力系统的暂态稳定评估领域,研究大数据量处理前提下的电力系统计算方法,对于提高电力系统计算水平将有巨大帮助。电力系统暂态稳定评估存在两个主要问题:一是参与分析评估的训练集不足以覆盖整个样本空间,所选特征变量不能全面、正确地描述电力系统的运行状态,导致分类结果不可靠;二是数据分析和处理能力有限,算法的收敛性随系统规模的增大而下降。引入数据挖掘理论中的关联规则分析,给出一种进行暂态稳定评估的分类方法一关联分类法。这种方法不依赖于任何数学解析方法,完全从运行数据出发,可避免大多数模式识别方法中存在的模型参数设置困难问题,还可以对字符型数据进行分析。关联分类法是一种基于模式识别理论的方法,针对这类方法在暂态稳定评估中存在的结果不可靠问题和电力系统运行的时变性特点,本文提出了相应的改进方法,基于电力系统数据量庞大的特点进行数据预处理,然后提取特征值进行数据模型的建立。一是对关联分类法中存在无法正确分类的样本,先利用暂态稳定指标将它们辨识出来,接着根据每个样本临界稳定程度的不同,分别采用Taylor级数法和时域仿真法进行状态确定,以保证最终全部结果的准确无误;二是针对电力系统运行的时变性特点,将时间维度引入暂态稳定评估,给出建立在时间序列分析之上的关联分类分析的改进算法,从而挖掘出电力系统的运行方式改变与暂态稳定程度改变之间的内在联系,用以指导电力系统的运行与管理。