Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明涉及一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法,1获取配电网故障时数据、配电网正常运行时数据及PMU装置的高密度量测数据;2获取故障后全网各节点电压相量与全网各节点正常运行时标准电压相量的差作为被聚类数据集,作为初始聚类数据集;3采用KFCM聚类算法对初始聚类数据集进行聚类划分;4进行聚类有效性分析,确定每种故障类;5进行故障类严重度分析,获取各故障类严重度指标;6按故障类严重度指标依次输出相应故障类,完成预想故障集初步筛选;7采用云理论对预想故障集初步筛选结果进行排序及分析。与现有技术相比,本发明具有提高故障集筛选准确度、有效反映不同故障类严重程度等优点。

主权项:1.一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法,其特征在于,包括下列步骤:1获取配电网故障时数据、配电网正常运行时数据以及PMU装置的高密度量测数据;2基于步骤1得到的各项数据,获取故障后全网各节点电压相量与全网各节点正常运行时标准电压相量的差,将二者的差值生成被聚类数据集,并将该聚类数据集作为初始聚类数据集;3采用KFCM聚类算法对初始聚类数据集进行聚类划分;4对聚类划分的结果进行聚类有效性分析,确定每种故障类;5对各种故障类进行故障类严重度分析,获取各故障类的严重度指标;6按故障类严重度指标划分相应的故障类,完成预想故障集初步筛选;7采用云理论对步骤6所得初筛故障类簇下各故障类严重度进行排序分析;所述步骤7具体包括下列步骤:71以故障类严重度指标为云数字特征期望指标,结合故障数据,计算每一故障类的故障类严重度云数字特征;72根据云数字特征,明确每一故障类隶属度指标,采用正态分布,生成故障类严重度正态云模型;73构建每一种故障类的故障类严重度及其故障类严重度正态云模型,对不同故障按故障类严重度和故障类严重度正态云模型予以排序;8输出最终的预想事故集筛选和排序结果。

全文数据:

权利要求:

百度查询: 国网上海市电力公司 上海电力大学 一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。