分布式发电孤岛检测中的数据挖掘方法

摘要

数据挖掘技术能够从海量的信息中提取出关键信息,在如今的信息化、网络化时代,该技术应用涵盖金融、经济、社会等各个方面。在智能电网海量信息系统中,数据挖掘技术能够很好地发挥优势,结合电力系统专业化知识,对很多传统问题提出新的解决方案或应对办法。由于智能电网、分布式发电系统(distributed generation, DG)具备很多与传统电网的不同特征,了解其特点提出新的保护运行方案具有重要意义。如今,分布式发电系统孤岛检测整定阈值的优化需求,适合数据挖掘技术特点。
　　论文首先讨论了智能电网海量信息系统的构架,介绍了海量信息的存储与采集技术,阐述了实时数据流的三维预处理模型,从处理方法、数据窗、处理结果等三个维度进行了概述。根据智能电网海量信息的特点提出技术路线的框架。接着,对于数据挖掘的算法及种类进行综述,涵盖聚类、分类等方面,描述了各类算法最适合应用的问题特征,为后文做铺垫。
　　接着,文章分析了分布式发电系统中的关键问题——孤岛检测。回顾了以往对于孤岛检测的研究工作。本章重点针对多特征判据的冲突以及单分类器的归纳偏置问题,通过RELIEF算法进行关键特征识别和多分类器综合利用以降低归纳偏置影响,接着提出基于元学习策略的孤岛检测方法,实现了良好的实时分类效果。
　　在下一个章节里,重点对孤岛检测中的自学习方法进行了研究。论文首先提出利用微网的SCADA系统自动获取用于训练的原始样本,然后提出微簇聚类再采样和加权集成优选样本的方法来应对含概念漂移的实时孤岛检测问题。通过微簇聚类实现对在线数据流的再采样,以获取高质量的样本;接着提出加权集成优选样本策略,综合基于实例和基于集成的在线学习方法应对概念漂移的优点,提高了孤岛检测的准确率。为验证上述方法的有效性,仿真算例中充分考虑了缓慢、剧烈的概念漂移事件。
　　实验结果表明,本节方法对提高含概念漂移的孤岛检测问题具有高的精度和强的鲁棒性,有很好的实用价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题背景及意义

1.2 数据挖掘技术概述

1.3 分布式发电系统中数据挖掘技术应用现状

1.4 本文的主要研究内容

第二章 智能电网信息系统与数据挖掘技术

2.1 智能电网海量信息采集与存储

2.2 数据挖掘算法

2.3 本章小节

第三章 孤岛检测的关键特征识别及元学习方法

3.1 引言

3.2 特征判据提取与择优

3.3 元学习方法

3.4 典型应用：分布式电源的孤岛检测

3.5 本章小结

第四章 孤岛检测中的概念漂移问题和在线自学习方法

4.1 引言

4.2 基本原理和问题

4.3 训练样本在线获取

4.4 在线学习

4.5典型应用：概念漂移识别及孤岛分类

4.6 本章小结

第五章 总结和展望

5.1 工作总结

5.2 主要结论和贡献

5.3 展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文

附录