基于机器学习的变电站设备异常状态数据清洗

来源 :电力系统及其自动化学报 | 被引量 : 0次 | 上传用户:jonasen128
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为准确判断设备运行状态和充分挖掘分析数据价值,本文设计了一种基于密度聚类、无监督学习和时间循环神经网络的设备数据清洗方法.通过双重判据进行异常数据检测,针对变电站多维监测数据中参数间相关性难以确定的问题,采用无监督聚类方法对参数间相关性进行简化,得到异常点;再利用自组织特征映射神经网络挖掘符合自回归模型的历史数据的潜在特征,将在线数据随时间动态变化规律用转移概率值表示,确定异常数据类型及发生时间;然后采用时间循环神经网络将异常数据中的“脏数据”修正,并将处理后的数据入库;最后,通过实例验证了方法的可行性,表明该方法能快速检测和处理设备状态数据的各种情况,实现了变电站设备状态数据的实时监控和个性化清洗.
其他文献
针对当前国内光热电站(concentrating solar power,CSP)参与电力市场交易程度低,市场相关运营研究尚属空白.文章考虑光热发电商作为市场承载主体,面向电力现货市场交易,在解析其内部“光、热、电”能流特征基础上,构建了以热能为能量中枢的光热电站运行模型;然后,以光热发电商售电收益最大为目标,建立了基于多寡头古诺模型的市场交易决策模型,并给出了其非线性互补方法求解过程;最后,以国内某实际光热电站为参考,在3类典型日场景中对其参与电力市场交易进行了实例模拟.结果 表明:因其优良的出力稳定特
风电机组在电网电压不平衡下低电压穿越的能力提高是高风电渗透率系统安全稳定的重要保证.本文通过理论分析不对称故障情况下双馈风力发电机的暂态特性,得出转子感应电动势的暂态和负序分量是导致转子过电流的直接原因.进一步推导了不对称故障下定子电流微分与转子感应电动势暂态分量和负序分量的关联关系,基于此提出一种计及风机转子侧变流器容量限制的低电压穿越控制策略.基于转子电流对于转子感应电动势暂态分量和负序分量的敏感度,给出优先抵消使转子电流变化更灵敏的转子感应电动势暂态分量的方案,使得风机转子侧变流器有限的容量得到合理