应用无监督聚类算法评估电网安全水平.pdf

《应用无监督聚类算法评估电网安全水平.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第23卷第6期电力系统及其自动化学报Vo1．23No．62011年12月ProceedingsoftheCSU—EPSADec．2011应用无监督聚类算法评估电网安全水平王同文，管霖(1．安徽电力调度通信中心，合肥230022；2．华南理工大学电力学院，广州510640)摘要：提出一种基于聚类算法的电网安全评估新思路。以关键稳态状态量为输入，应用聚类算法提取样本空间分布知识，利用所获知识实现系统稳定水平评估。聚类算法以样本为起点构造子空间，不～～断扩～展一一子空一～间～以砌一一吼一～～获得包含数据分布结构的

2、最优子空间，最优子空间的聚合构成聚类结果，并以类边界样本展示训练集空间分布结构。算法对数据形状适应性强，适合增量式数据集的挖掘。在IEEE两个测试系统上的应用结果证实所提电网安全评估思路的有效性。关键词：电网安全评估；聚类算法；留数分析；特征选择·中图分类号：TM712文献标志码：A文章编号：1003—8930(2011)06—0006—05PowerSystemSecurityAssessmentBasedonUnsupervisedClusteringAlgorithm一一一一～一一一一一一～一WANG

3、Tong—wen，GUANLin。(1．AnhuiElectricPowerDispatchandCommunicationCenter，Hefei230022，China；2．CollegeofElectricPower，SouthChinaUniversityofTechnolo一gy，训一一一一m～一～～Guangzhou510640，China)一嘴一～咖～一呲一一一叩一．～一亘～一一～一．_～一_晏薹．智能电网被认为是当今世界电力系统发展变人工智能技术因具有学习能力强、评估速度快、提革的新制高点，

4、也是未来电网发展的大趋势。智能供潜在有价值信息等特点，被认为是一个有发展前电网的自愈性强调对电网运行状态实现连续在线景的电网稳定在线评估研究方向_3]。自我评估与预防控制，及故障后的快速自我恢基于人工智能技术的电网安全评估模型通过复_1]。这对电网安全稳定评估提出更高要求，主要学习大量训练样本中包含的潜在数据结构信息，而体现在供稳定评估利用的信息是电网实时信息，评后利用这些信息实现未知样本稳定水平的判别。该估方法需满足连续在线评估的要求。因而，研究基类型算法往往由于训练样本的局限性而导致模型于广域信息的电网

5、在线稳定评估方法渐成趋势r2]。的推广性差。尽管增加训练样本规模可提高算法性在利用电网实时信息实现系统稳定评估方面，能，但构造足够多的计及各种运行方式的训练样本收稿日期：2010—11—08；修回日期：2011—02—22基金项目：国家自然科学基金项目(50407014)第6期王同文等：应用无监督聚类算法评估电网安全水平·7·几无可能，而采取样本库逐步扩充的思路又由于大0．5×(一)，1、一———多数智能学习模型在面对增量式数据集时需对所有样本重新学习致使算法学习效率下降。式中：c一0．5×m×(1一／N)

6、，N为样本规模；对此，提出一种基于子空间扩展的聚类算法，m一0．5×(+n)，，z为区域i内样本数目；而并基于该算法提出一种电网安全评估新思路。算法为随机分布对应的样本数目，且一×N，体以样本为基础，构造一个最小子空间，逐步扩展该积为该子空间的体积。子空间，直到获取一个包含样本分布结构的最优子由式(1)可知，空间i的留数r越大，该空间内空间；通过这些子空间的归并获得样本聚类结果。样本分布与随机样本分布差别越大，也即包含数据算法所需先验知识少，聚类结果可解释性强，其自结构信息越多。文中定义若空间i的留数r≥1

7、．96下而上的扩展策略保证算法对增量式数据挖掘具则视为包含聚类信息，否则视为随机分布。有良好的适应性。在IEEE两个测试系统上的应用2．2簇的划分：层次型聚类结果验证所提电网安全评估思路的有效性。其思路是：从一个随机样本出发，构造一个最小的超矩形空间，并逐步扩展，直到满足约束条件1聚类算法概述为止；计算该子空间的留数，根据留数大小确定是聚类包含两个关键问题_5]：接近度的度量和类否包含聚类信息；如包含，则运用最外层样本作为簇的分组。接近度的度量主要评估两个实体的相似下一步构造类似子空间的起点，如不包含，则选

8、择程度，以决定是否属于同一簇；类簇的分组即是指另一个样本为起点；如此循环，直至所有样本分析划分簇的策略。样本相似度度量指标较多_5]。常完为止；最后，根据包含聚类信息的子空间连通关用的有距离指标，如k均值算法；频率或密度指标，系，获得训练集聚类结果。频率越高或密度越大的区域包含聚类的可能性越该思路包含几个关键问题：最小超矩形空间如大；信息墒指标，认为由相近样本形成的区域与由何定义、子空间如何扩展、终止条件及下一个