本文選題：電能質(zhì)量 + 數(shù)據(jù)清洗�。� 參考：《高電壓技術(shù)》2017年07期

【摘要】：為全面挖掘擾動(dòng)事件的內(nèi)在關(guān)系、分析影響擾動(dòng)源關(guān)聯(lián)特性的外界因素,從擾動(dòng)源的特征提取、時(shí)空關(guān)聯(lián)分析、關(guān)聯(lián)異常辨識(shí)方面開(kāi)展研究,通過(guò)數(shù)據(jù)分析的方法驗(yàn)證了基本擾動(dòng)事件之間的時(shí)空關(guān)聯(lián)性。為克服傳統(tǒng)數(shù)據(jù)清洗方法重復(fù)檢出率低、計(jì)算成本高的缺點(diǎn),提出自適應(yīng)近鄰排序數(shù)據(jù)清洗方法,并且實(shí)現(xiàn)了擾動(dòng)源特征信息的快速提取。在此基礎(chǔ)上,利用隨機(jī)矩陣?yán)碚搹暮暧^角度分析擾動(dòng)源的時(shí)空關(guān)聯(lián)特性。針對(duì)可能存在的局部擾動(dòng)源關(guān)聯(lián)異常,提出一種基于相關(guān)矩陣信息增益的動(dòng)態(tài)辨識(shí)方法。最后,依據(jù)實(shí)際電能質(zhì)量監(jiān)測(cè)系統(tǒng)記錄的暫態(tài)事件數(shù)據(jù),驗(yàn)證了該方法的可行性和有效性。研究結(jié)果表明,所提出的數(shù)據(jù)清洗方法適用于大數(shù)據(jù)分析框架,擾動(dòng)源之間的關(guān)聯(lián)程度與電網(wǎng)的運(yùn)行方式和天氣狀況有關(guān)。信息增益方法利用移動(dòng)窗口和動(dòng)態(tài)閾值技術(shù)有效跟蹤電網(wǎng)運(yùn)行狀態(tài)變化,相較于PCA方法具備更高的異常事件識(shí)別率。
[Abstract]:In order to fully excavate the intrinsic relationship of disturbance events and analyze the external factors that affect the correlation characteristics of disturbance sources, the research is carried out from the aspects of feature extraction of disturbance sources, temporal and spatial correlation analysis, association anomaly identification, etc. The temporal and spatial correlation between the basic disturbance events is verified by the method of data analysis. In order to overcome the disadvantages of low repetition rate and high computational cost in traditional data cleaning methods, an adaptive nearest neighbor sorting data cleaning method is proposed, and the feature information of disturbance source can be quickly extracted. On this basis, the temporal and spatial correlation characteristics of the disturbance source are analyzed from the macroscopic point of view by using the stochastic matrix theory. A dynamic identification method based on the information gain of correlation matrix is proposed for the possible local disturbance source correlation anomalies. Finally, the feasibility and effectiveness of the proposed method are verified by the transient event data recorded by the real power quality monitoring system. The results show that the proposed data cleaning method is suitable for big data analysis framework, and the correlation between disturbance sources is related to the operation mode and weather conditions of the power grid. The information gain method makes use of moving window and dynamic threshold technique to track the change of power grid operation state effectively. Compared with the PCA method, the information gain method has a higher detection rate of abnormal events.
【作者單位】： 廣州供電局有限公司;上海交通大學(xué)電氣工程系;
【基金】：國(guó)家自然科學(xué)基金(51577115) 中國(guó)南方電網(wǎng)公司科技項(xiàng)目(GZHKJ00000002)~~
【分類號(hào)】：TM732

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陶新民;李震;劉福榮;張?jiān)?;基于精簡(jiǎn)集支持向量機(jī)的變壓器故障檢測(cè)方法[J];高電壓技術(shù);2016年10期

2 劉威;張東霞;王新迎;劉道偉;吳茜;;基于隨機(jī)矩陣?yán)碚摰碾娏ο到y(tǒng)暫態(tài)穩(wěn)定性分析[J];中國(guó)電機(jī)工程學(xué)報(bào);2016年18期

3 文銳;張俊;黃曉軍;周文俊;王航;唐澤洋;;基于多重對(duì)應(yīng)分析法的不同電纜群體故障特性研究[J];高電壓技術(shù);2016年08期

4 范譯文;劉俊勇;劉友波;茍競(jìng);刁塑;黃煒果;;計(jì)及全路徑關(guān)聯(lián)概率的連鎖故障風(fēng)險(xiǎn)評(píng)估模型[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2016年05期

5 繆希仁;林瑞聰;;基于關(guān)聯(lián)維數(shù)與極端學(xué)習(xí)機(jī)的高壓輸電線路雷擊過(guò)電壓故障識(shí)別[J];高電壓技術(shù);2016年05期

6 董海艷;賈清泉;王寧;于浩;;復(fù)雜電能質(zhì)量關(guān)聯(lián)擾動(dòng)模式的可拓挖掘方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2016年05期

7 魏大千;王波;劉滌塵;陳得治;唐飛;郭珂;;基于時(shí)序數(shù)據(jù)相關(guān)性挖掘的WAMS/SCADA數(shù)據(jù)融合方法[J];高電壓技術(shù);2016年01期

8 徐心怡;賀興;艾芊;邱才明;;基于隨機(jī)矩陣?yán)碚摰呐潆娋W(wǎng)運(yùn)行狀態(tài)相關(guān)性分析方法[J];電網(wǎng)技術(shù);2016年03期

9 郭創(chuàng)新;熊世旺;張行;張金江;曹敏;薛武;;輸變電設(shè)備全景信息的多源異構(gòu)數(shù)據(jù)聚合方法[J];高電壓技術(shù);2015年12期

10 王德文;孫志偉;;電力用戶側(cè)大數(shù)據(jù)分析與并行負(fù)荷預(yù)測(cè)[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郝然;艾芊;肖斐;;基于多元大數(shù)據(jù)平臺(tái)的用電行為分析構(gòu)架研究[J];電力自動(dòng)化設(shè)備;2017年08期

2 莫文雄;許中;肖斐;艾芊;馬智遠(yuǎn);賀興;;基于隨機(jī)矩陣?yán)碚摰碾娏_動(dòng)事件時(shí)空關(guān)聯(lián)[J];高電壓技術(shù);2017年07期

3 陳星豪;黃柳萍;陶國(guó)飛;;基于隨機(jī)矩陣?yán)碚摰碾娏Υ髷?shù)據(jù)表征方法[J];紅水河;2017年03期

4 吳在軍;徐俊俊;余星火;胡秦然;竇曉波;顧偉;;主動(dòng)配電網(wǎng)狀態(tài)估計(jì)技術(shù)評(píng)述[J];電力系統(tǒng)自動(dòng)化;2017年13期

5 季知祥;鄧春宇;;面向電力大數(shù)據(jù)應(yīng)用的專業(yè)化分析技術(shù)研究[J];供用電;2017年06期

6 崔艷妍;王軍;蘇劍;馬麗;苑帥;劉偉;劉苑紅;陳海;張東霞;;配電網(wǎng)運(yùn)營(yíng)大數(shù)據(jù)挖掘與分析[J];供用電;2017年06期

7 張帆;張峰;張士文;;基于提升小波的時(shí)間序列分析法的電力負(fù)荷預(yù)測(cè)[J];電氣自動(dòng)化;2017年03期

8 徐文娟;李勇;李s，

本文編號(hào)：1808348