本文關(guān)鍵詞：基于人工智能的方法對(duì)智能電網(wǎng)進(jìn)行安全改進(jìn)

  更多相關(guān)文章： 智能電網(wǎng) 機(jī)器學(xué)習(xí) 故障定位 電價(jià)預(yù)測(cè) 負(fù)荷預(yù)測(cè) 特征選擇

【摘要】：智能電網(wǎng)是在電網(wǎng)中運(yùn)用新能源的并網(wǎng)技術(shù)，智能輸配電技術(shù)，通信和信息技術(shù)的下一代的電力系統(tǒng)。因此它比現(xiàn)在的電力系統(tǒng)更加安全、可靠和節(jié)能。但是在智能電網(wǎng)中也存在一些安全問題。隨著輸電線路變長(zhǎng)，電壓提升，輸電線更加容易出問題；電價(jià)不再固定不變，而是隨著負(fù)荷，燃油價(jià)格變動(dòng)，可能會(huì)引起大量用戶在某一時(shí)刻大量用電，引起跳閘現(xiàn)象。因此提高智能電網(wǎng)的安全性很重要。本文針對(duì)電力安全的兩個(gè)方面的研究：輸電線路的故障定位和負(fù)荷和電價(jià)的預(yù)測(cè)。 輸電線很容易發(fā)生故障，因?yàn)樗坏艿饺藶橐蛩氐挠绊懀�受到自然因素的影響。因?yàn)檩旊娋�路很長(zhǎng)，很難找到故障的位置，因此如何快速找到故障的位置是很重要的�，F(xiàn)在很多研究人員用機(jī)器學(xué)習(xí)的方法進(jìn)行故障定位。這些方法都存在一個(gè)問題：距離故障點(diǎn)越遠(yuǎn)的檢測(cè)點(diǎn)所檢測(cè)到的電信號(hào)受到電線中元件的干擾越大。本文提出了基于故障定位距離來選擇數(shù)據(jù)的方法，先判斷故障點(diǎn)靠近電線的哪一端，再用靠近故障點(diǎn)一端的數(shù)據(jù)進(jìn)行定位，從而提高它的準(zhǔn)確率。本文實(shí)驗(yàn)是通過用Matlab搭建電力模型系統(tǒng)，仿真電力系統(tǒng)在發(fā)生不同故障時(shí)的情況，包括11種常見的故障類型。用極限學(xué)習(xí)機(jī)(ELM)來定位故障位置。本文方法的實(shí)驗(yàn)結(jié)果的相對(duì)誤差比目前存在的方法都有一個(gè)顯著的提升。 在電價(jià)和負(fù)荷預(yù)測(cè)方面，由于電價(jià)和負(fù)荷的歷史數(shù)據(jù)眾多，如何選擇合適的數(shù)據(jù)去預(yù)測(cè)下一時(shí)刻的值變得尤為關(guān)鍵。通過數(shù)據(jù)分析發(fā)現(xiàn)電價(jià)和負(fù)荷有著密切的聯(lián)系，本文利用了負(fù)荷和電價(jià)的聯(lián)系，運(yùn)用了基于多變量的信息熵(MMI)和隨機(jī)森林選擇方法對(duì)電價(jià)和負(fù)荷的特征進(jìn)行選擇。本文實(shí)驗(yàn)采用了PJM，，NYISO，AEMO等電力市場(chǎng)上公開的電價(jià)和負(fù)荷的數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明本文的方法更加準(zhǔn)確和穩(wěn)定。
【關(guān)鍵詞】：智能電網(wǎng) 機(jī)器學(xué)習(xí) 故障定位 電價(jià)預(yù)測(cè) 負(fù)荷預(yù)測(cè) 特征選擇
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TM76;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-18
• 1.1 課題背景與意義10-11
• 1.2 智能電網(wǎng)的國(guó)內(nèi)外現(xiàn)狀11-15
• 1.2.1 美國(guó)智能電網(wǎng)12-13
• 1.2.2 歐洲智能電網(wǎng)13
• 1.2.3 中國(guó)智能電網(wǎng)13-14
• 1.2.4 智能電網(wǎng)帶來的問題14-15
• 1.3 論文研究?jī)?nèi)容與研究目標(biāo)15-16
• 1.3.1 研究?jī)?nèi)容15-16
• 1.3.2 研究目標(biāo)16
• 1.4 論文的結(jié)構(gòu)安排16-17
• 1.5 本章小結(jié)17-18
• 第二章 輸電線路故障仿真18-23
• 2.1 基于 MATLAB 的輸電線路仿真18-19
• 2.2 數(shù)據(jù)獲取和處理19-20
• 2.3 故障發(fā)生時(shí)的電流電壓分析20-22
• 2.4 本章小結(jié)22-23
• 第三章 輸電線路故障定位技術(shù)23-39
• 3.1 輸電線路故障定位主要研究?jī)?nèi)容23-26
• 3.1.1 基于物理方法的故障定位23-25
• 3.1.2 基于人工智能方法的故障定位25-26
• 3.2 極限學(xué)習(xí)機(jī)理論26-33
• 3.2.1 廣義逆及其在線性方程組的應(yīng)用27-28
• 3.2.2 極限學(xué)習(xí)機(jī)28-30
• 3.2.3 在線順序?qū)W習(xí)極限學(xué)習(xí)機(jī)30-33
• 3.3 基于距離選擇數(shù)據(jù)端定位故障的方法33
• 3.4 實(shí)驗(yàn)結(jié)果分析33-37
• 3.5 本章小結(jié)37-39
• 第四章 負(fù)荷和電價(jià)的預(yù)測(cè)技術(shù)39-60
• 4.1 負(fù)荷和電價(jià)預(yù)測(cè)主要研究的內(nèi)容39-42
• 4.2 支持向量機(jī)理論42-48
• 4.2.1 線性支持向量機(jī)43-46
• 4.2.2 非線性支持向量機(jī)46-47
• 4.2.3 支持向量回歸模型47-48
• 4.3 負(fù)荷和電價(jià)的特征分析48-50
• 4.4 特征選擇50-55
• 4.4.1 基于負(fù)荷的隨機(jī)森林的特征選擇52-53
• 4.4.2 基于電價(jià)和負(fù)荷組合的多變量信息熵的特征選擇53-55
• 4.5 實(shí)驗(yàn)結(jié)果分析55-59
• 4.5.1 負(fù)荷預(yù)測(cè)結(jié)果分析55-56
• 4.5.2 電價(jià)預(yù)測(cè)結(jié)果分析56-59
• 4.6 本章小結(jié)59-60
• 結(jié)論與展望60-62
• 全文總結(jié)60-61
• 研究展望61-62
• 參考文獻(xiàn)62-71
• 攻讀碩士學(xué)位期間取得的研究成果71-73
• 致謝73-74
• 附件74

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前5條

1 甘德強(qiáng),胡江溢,韓禎祥;2003年國(guó)際若干停電事故思考[J];電力系統(tǒng)自動(dòng)化;2004年03期

2 覃劍;葛維春;邱金輝;鄭心廣;;輸電線路單端行波測(cè)距法和雙端行波測(cè)距法的對(duì)比[J];電力系統(tǒng)自動(dòng)化;2006年06期

3 劉永;張立毅;;BP和RBF神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)及其性能比較[J];電子測(cè)量技術(shù);2007年04期

4 蔡堅(jiān),傅光軒,聶方彥;一種基于BP神經(jīng)網(wǎng)絡(luò)的異常檢測(cè)系統(tǒng)的實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2004年S2期

5 林圣;何正友;臧天磊;錢清泉;;基于粗神經(jīng)網(wǎng)絡(luò)的輸電線路故障分類方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2010年28期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學(xué);2010年

2 符玲;基于信息測(cè)度的電力系統(tǒng)故障識(shí)別方法研究[D];西南交通大學(xué);2010年

3 王博;文本分類中特征選擇技術(shù)的研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

本文編號(hào)：1123170