發(fā)布時間：2018-01-19 13:10

  本文關(guān)鍵詞： 電力網(wǎng)絡(luò) 分散控制系統(tǒng) 數(shù)據(jù)庫 數(shù)據(jù)挖掘　出處：《電網(wǎng)與清潔能源》2015年11期 　論文類型：期刊論文

【摘要】：電力網(wǎng)絡(luò)中的分散控制系統(tǒng)(distributed control systems,DCS)數(shù)據(jù)庫中寄存有海量的電力數(shù)據(jù),進(jìn)行電力系統(tǒng)智能調(diào)度和控制。對電力網(wǎng)絡(luò)DCS數(shù)據(jù)庫中的過負(fù)荷數(shù)據(jù)的有效挖掘是實現(xiàn)電力網(wǎng)絡(luò)系統(tǒng)過載保護(hù)的關(guān)鍵環(huán)節(jié)。當(dāng)前對DCS數(shù)據(jù)庫的過負(fù)荷數(shù)據(jù)挖掘采用基于決策樹特征分類方法進(jìn)行特征提取和挖掘?qū)崿F(xiàn),在過負(fù)荷數(shù)據(jù)序列的廣域子空間中產(chǎn)生大量干擾噪聲,挖掘算法的置信度較低。提出一種基于經(jīng)驗?zāi)B(tài)分解和決策樹分類結(jié)合的電力網(wǎng)絡(luò)DCS數(shù)據(jù)庫中的過負(fù)荷數(shù)據(jù)挖掘方法。構(gòu)建了電力網(wǎng)絡(luò)的DCS數(shù)據(jù)庫結(jié)構(gòu)模型,在DCS數(shù)據(jù)庫中進(jìn)行數(shù)據(jù)流信號模型構(gòu)建,采用經(jīng)驗?zāi)B(tài)分解算法對數(shù)據(jù)信號流進(jìn)行固有模態(tài)時頻特征提取,以此特征為基礎(chǔ),采用決策樹分類算法實現(xiàn)過負(fù)荷數(shù)據(jù)的準(zhǔn)確檢測和挖掘。仿真結(jié)果表明,采用該算法能有效實現(xiàn)對電力網(wǎng)絡(luò)DCS數(shù)據(jù)庫中的過負(fù)荷數(shù)據(jù)的特征提取和分類挖掘,誤碼率較低,性能優(yōu)越于傳統(tǒng)算法。
[Abstract]:The distributed control systems (distributed control systems) database in power network hosts a large amount of power data. The effective mining of overload data in DCS database of power network is the key link to realize overload protection of power network system. The overload number of DCS database at present. According to mining, feature extraction and mining are implemented based on decision tree feature classification method. A large amount of interference noise is produced in the wide area subspace of overload data sequence. The confidence of mining algorithm is low. An overload data mining method in power network DCS database based on empirical mode decomposition and decision tree classification is proposed. The DCS database structure of power network is constructed. Model. The data stream signal model is constructed in the DCS database, and the inherent modal time-frequency feature is extracted by the empirical mode decomposition algorithm, which is based on this feature. The decision tree classification algorithm is used to accurately detect and mine the overload data. The simulation results show that. The algorithm can effectively extract and classify the overload data in the DCS database of power network. The BER is lower and the performance is superior to the traditional algorithm.
【作者單位】： 貴州省興義民族師范學(xué)院;
【基金】：《貴陽交通智能控制與誘導(dǎo)技術(shù)研究》(黔科合J字[2013]2456)~~
【分類號】：TM921.5;TP311.13
【正文快照】： 度和控制。對電力網(wǎng)絡(luò)DCS數(shù)據(jù)庫中的過負(fù)荷數(shù)據(jù)的有效挖掘是實現(xiàn)電力網(wǎng)絡(luò)系統(tǒng)過載保護(hù)的關(guān)鍵環(huán)節(jié)。當(dāng)前對DCS數(shù)據(jù)庫的過負(fù)荷數(shù)據(jù)挖掘采用基于決策樹特征分類方法進(jìn)行特征提取和挖掘?qū)崿F(xiàn),在過負(fù)荷數(shù)據(jù)序列的廣域子空間中產(chǎn)生大量干擾噪聲,挖掘算法的置信度較低。提出一種基于經(jīng)

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 孔英會;車轔轔;苑津莎;安靜;劉云峰;;基于小波分解和數(shù)據(jù)挖掘中決策樹算法的電能質(zhì)量擾動識別方法[J];電網(wǎng)技術(shù);2007年23期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳紅坤;黃娟;;數(shù)據(jù)挖掘及其在電能質(zhì)量分析中的應(yīng)用[J];電力系統(tǒng)及其自動化學(xué)報;2009年05期

2 易吉良;彭建春;;基于廣義S變換的短時電能質(zhì)量擾動信號分類[J];電網(wǎng)技術(shù);2009年05期

3 周勝軍;于坤山;馮滿盈;孫生鴻;賀春;;電氣化鐵路供電電能質(zhì)量測試主要結(jié)果分析[J];電網(wǎng)技術(shù);2009年13期

4 曹健;林濤;劉林;張蔓;崔一鉑;;基于最小二乘法和復(fù)連續(xù)小波變換的電力系統(tǒng)間諧波測量方法[J];電網(wǎng)技術(shù);2009年17期

5 何偉;蔡維;王建偉;鎖娟;;基于虛擬儀器技術(shù)的電能質(zhì)量分析儀校準(zhǔn)檢測系統(tǒng)設(shè)計與應(yīng)用[J];電網(wǎng)技術(shù);2010年01期

6 陳珍萍;歐陽名三;劉淮霞;;基于ZigBee的電能質(zhì)量檢測節(jié)點設(shè)計[J];低壓電器;2011年09期

7 丁建光;張沛超;;基于Hoeffding Tree的電能質(zhì)量在線擾動分類[J];電力自動化設(shè)備;2014年09期

8 吳杰;呂春媚;崔彪;;基于小波輪廓描述符和動態(tài)時間扭曲的電壓擾動分類[J];電工電能新技術(shù);2015年04期

9 孔英會;呂云潔;呂云清;;改進(jìn)的基于移動小波樹的數(shù)據(jù)流異常檢測方法[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2009年04期

10 車轔轔;;基于小波變換和SVM算法的電能質(zhì)量擾動識別[J];黑龍江科技信息;2010年23期

相關(guān)博士學(xué)位論文 前1條

1 易吉良;基于S變換的電能質(zhì)量擾動分析[D];湖南大學(xué);2010年

相關(guān)碩士學(xué)位論文 前8條

1 荊輝;電能質(zhì)量擾動分類算法研究[D];山東大學(xué);2011年

2 羅國敏;小波能量譜在超高壓輸電線暫態(tài)識別中的應(yīng)用[D];西南交通大學(xué);2008年

3 呂云潔;基于數(shù)據(jù)流的異常檢測技術(shù)及應(yīng)用的研究[D];華北電力大學(xué)（河北）;2008年

4 潘冬寅;電能質(zhì)量擾動信號降維及分類研究[D];南京林業(yè)大學(xué);2012年

5 陳華豐;電能質(zhì)量擾動信號識別方法研究[D];西南交通大學(xué);2013年

6 蘇衛(wèi)衛(wèi);基于數(shù)據(jù)挖掘技術(shù)的穩(wěn)態(tài)電能質(zhì)量數(shù)據(jù)預(yù)測預(yù)警研究[D];華北電力大學(xué);2014年

7 吳兆剛;基于小波變換的電能質(zhì)量檢測與仿真分析[D];湖南大學(xué);2014年

8 丁建光;智能電網(wǎng)海量信息處理關(guān)鍵問題的研究[D];上海交通大學(xué);2014年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林海雪;現(xiàn)代電能質(zhì)量的基本問題[J];電網(wǎng)技術(shù);2001年10期

2 嚴(yán)居斌,劉曉川,楊洪耕,張斌;基于小波變換模極大值原理和能量分布曲線的電力系統(tǒng)短期擾動分析[J];電網(wǎng)技術(shù);2002年04期

3 魏磊,張伏生,耿中行,張柏林,李寧,劉沛津;基于瞬時無功功率理論的電能質(zhì)量擾動檢測、定位與分類方法[J];電網(wǎng)技術(shù);2004年06期

4 王成山,王繼東;基于小波包分解的電能質(zhì)量擾動分類方法[J];電網(wǎng)技術(shù);2004年15期

5 劉安定,肖先勇,鄧武軍;基于離散余弦變換和小波變換的電能質(zhì)量擾動信號檢測方法[J];電網(wǎng)技術(shù);2005年10期

6 凌玲;徐政;;基于數(shù)學(xué)形態(tài)學(xué)的動態(tài)電能質(zhì)量擾動的檢測與分類方法[J];電網(wǎng)技術(shù);2006年05期

7 趙鳳展;楊仁剛;;基于S變換和時域分析的電能質(zhì)量擾動識別[J];電網(wǎng)技術(shù);2006年15期

8 張耀天;何正友;趙靜;張鵬;李明;桂建廷;;基于粗糙集理論和樸素貝葉斯網(wǎng)絡(luò)的電網(wǎng)故障診斷方法[J];電網(wǎng)技術(shù);2007年01期

9 劉奕群,張敏,馬少平;基于改進(jìn)決策樹算法的網(wǎng)絡(luò)關(guān)鍵資源頁面判定[J];軟件學(xué)報;2005年11期

10 王晶,束洪春,陳學(xué)允;動態(tài)電能質(zhì)量的分形指數(shù)小波分析方法[J];中國電機(jī)工程學(xué)報;2004年05期

相關(guān)碩士學(xué)位論文 前1條

1 譚國貞;基于小波變換的電能質(zhì)量分析方法的研究[D];重慶大學(xué);2006年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹一家;王光增;包哲靜;郭創(chuàng)新;;一種復(fù)雜電力網(wǎng)絡(luò)的時空演化模型[J];電力自動化設(shè)備;2009年01期

2 楊蕾;黃小慶;曹麗華;譚玉東;劉s，

本文編號：1444301