基于大数据挖掘技术的电网电压越限成因诊断方法研究

• 作者: 何锐 李熠 段翔兮 邹琬 高剑 龙呈
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 大数据 挖掘技术 电压越限 K-mean聚类 粒子群算法 支持向量机
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 理论与算法
• 页码范围: 81-85
• 页数: 5页
• 分类号: TP2
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903817

摘要

电网的电压越限问题给国民经济的健康发展和居民的正常生活造成了严重影响,建立快速有效的电压越限诊断模型对于优化系统投资、减少运行损耗、实现电压越限综合治理具有重要意义.研究了基于大数据挖掘的电网电压越限成因诊断技术,其主要思想是:首先,利用核密度策略和戴维森堡丁指数(Davies Bouldin Index,DBI)确定聚类中心及最优聚类个数,对K-means聚类方法加以改进.然后,基于支持向量机方法对电压越限影响因素进行多维分类,并借助PSO智能算法优化筛选罚参数和核宽度参数.最后,采用实际仿真算例进行有效性验证.算例测试结果表明,所提诊断方法具有准确率高、算法稳定性好、可用性强等优点,可以满足供电企业对电压越限诊断的要求.