欢迎来到天天文库
浏览记录
ID:10364526
大小:16.07 MB
页数:0页
时间:2018-07-06
《电能质量监测海量数据分析研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、4^SouthChinaUniversityofTechnology专业学位硕士学位论文电能质量监测海量数据分析研究作者姓名陈海涛学位类别电气工程导教师钟庆副研究员傅闯教授级高工所在学院电力学院论文提交日期年月华南理工大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:队瘦也日期:
2、丨年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,艮口:研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版,允许学位论文被査阅(除在保密期内的保密论文外);学校可以公布学位论文的全部或部分内容,可以允许釆用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相致。本学位论文属于:□保密,在年解密后适用本授权书。不保密,同意在校园网上发布,供校内师生和与学校有共享协议的单位浏览;同意将本人学位论文提交中
3、国学术期刊光盘版)电子杂志社全文出版和编入《中国知识资源总库》,传播学位论文的全部或部分内容。请在以上相应方框内打“)作者签名:日期:年月日指导教师签名曰期:年月日作者联系电话联系地址含邮编ResearchonAnalysisofMass-dataofPowerQualityMonitorSystemADissertationSubmittedfortheDegreeofMasterCandidate::分类号:学校代号:学号:华南理工大学硕士学位论文电能质量监测海量数据分析研究作者姓名:陈海涛指导导师姓名、职称:钟庆副研究员傅
4、闯教授级高工申请学位级别:全日制专业学位硕士学科专业名称:电气工程研究方向:电力系统运行分析与控制论文提交日期:年月日论文答辩日期:年月日学位授予单位:华南理工大学学位授予日期:年月日答辩委员会成员:主席:房大中委员:张尧王钢钟庆李海锋摘要随着电网技术的不断发展,电能质量问题日趋严重,且呈现出了新的特点:一方面,随着经济的快速发展和用户对敏感设备使用的增多,在保证供电安全性和可靠性的同时,用户对供电质量的要求越加严格;另一方面,电网结构越来越复杂,接入的各种非线性设备越来越多,给电网造成的电能质量影响越严重。因此,通过电能质量监
5、测掌握目前电网电能质量问题的基本情况,是电网势在必行的一项工作。目前南方电网电能质量监测中心已建成了覆盖新能源、重大污染源、电气化牵引和差异化需求等四类大用户的电能质量监测系统,含有多个监测点,电能质量的监测数据呈现海量特性。如何运用有效的分析方法从这些海量数据中得到有用的信息,对电能质量的监管、分析和治理工作均有重要意义。本文以南方电网电能质量监测海量数据为研究对象,开展了以下研究工作:首先,介绍了南方电网电能质量监测系统的基本框架、主要功能和运行现状;其次,基于电能质量监测中心的海量数据进行了系统性分析,分别得到了南方电网新
6、能源、重大污染源接入后造成的影响和主要存在的电能质量问题及其分布情况和差异化需求用户目前所处的用电环境及所面临的主要电能质量问题;然后,引入了因子分析法对重大污染源监测点监测获得的各次电压谐波含有率数据进行了分析,得到在整体电压谐波总畸变率中起作用最大的谐波分量,给出了相应的治理措施;最后,采用聚类分析法对电能质量监测中心的所有海量数据进行了分析。通过选取不同的电能质量指标组合作为聚类变量,开展了大量的聚类分析工作,最终确定了类有效的电能质量指标组合进行聚类分析。通过聚类分析结果可将特定区域的特定类型用户划分到具有不同电能质量指
7、标特性组合的类中,从而为用户的电能质量问题治理提供指导。本论文是大数据时代到来后,电能质量监测分析中大数据技术应用的有益探索。通过对全数据的分析,以获取电能质量的有关信息,对电能质量的监管、分析和治理的决策有重要的辅助作用。关键词:电能质量;海量数据;因子分析;聚类分析IAbstractWiththedevelopmentofpowertechniques,thereoccursomenewandincreasinglyseriousproblemsinthepowerquality(PQ):ontheonehand,theco
8、nsumers’IIThisthesisisaninvestigationofthehandlingofthePQMmass-datainthebigdataera.Withanalysisofallthedata,PQinformationtransforme
此文档下载收益归作者所有