基于深度学习和改进K-means聚类算法的电网无功电压快速分区研究

• 作者: 赵晶晶 贾然 陈凌汉 朱天天
• 来源期刊: 电力系统保护与控制
• 关键词: 电耦合强度 稀疏自编码器 改进K-means聚类算法 电网分区 电气模块度
• 年，卷（期）: 2021,（14）
• 所属期刊栏目: 应用研究|Application Research
• 页码范围: 89-95
• 页数: 7页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.201124

摘要

随着电网规模的不断扩大,对整个大电网进行统一的电压调控变得越发困难.提出一种基于深度学习和改进K-means聚类算法的电网无功电压快速分区方法 ?首先建立电耦合强度矩阵反映系统节点间的电气耦合关系的强弱.然后采用深度学习中的稀疏自编码器,通过训练实现对输入的高维矩阵进行特征提取和降维.最后基于改进的K-means聚类算法用以对降维后的特征序列进行聚类分析,通过检验电气模块度值来确定最终的分区.以电气模块度、无功储备校验两个评价指标对电网分区质量进行评估.对IEEE39节点和IEEE118节点系统进行仿真分析,验证了所提方法在保证连通性以及充足的无功储备的的基础上,具有较高的电气模块度.