基于深度学习和改进K-means聚类算法的电网无功电压快速分区研究

来源 :电力系统保护与控制 | 被引量 : 0次 | 上传用户:hudanrong
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
随着电网规模的不断扩大,对整个大电网进行统一的电压调控变得越发困难。提出一种基于深度学习和改进K-means聚类算法的电网无功电压快速分区方法。首先建立电耦合强度矩阵反映系统节点间的电气耦合关系的强弱。然后采用深度学习中的稀疏自编码器,通过训练实现对输入的高维矩阵进行特征提取和降维。最后基于改进的K-means聚类算法用以对降维后的特征序列进行聚类分析,通过检验电气模块度值来确定最终的分区。以电气模块度、无功储备校验两个评价指标对电网分区质量进行评估。对IEEE39节点和IEEE118节点系统进行仿真分析
其他文献
研究俄美高超声速飞行器的研发历程,分析美军高超声速飞行器最新发展思路;总结高超声速飞行器建设发展的技术路线,包括助推滑翔式飞行器和吸气巡航式飞行器。针对高超声速飞行器飞行速度快、打击范围广、突防能力强等能力特点,从作战体系的角度分析高超声速飞行器在联合作战中可能的运用方式;探讨高超声速导弹对未来高端战争的颠覆性影响,为高超声速导弹的作战运用和防御体系建设提供参考借鉴。
传统的变电站风险评估以主设备年平均故障率计算主接线可靠性,不能反映设备时变故障风险及其对负荷点供电的影响。将主设备的运行风险考虑为设备自身状态和外部运行气象环境方面因素的影响,以比例风险模型量化设备运行风险。考虑到基于故障树的设备状态评分的分散性较大,不同部件故障对设备故障停运的影响程度不一样,建立了基于层次分析法的设备状态模糊综合评价方法。在此基础上,以电源进线到负荷点之间的连通性为风险量化指标,建立了计及供电连通性的变电站风险评估模型。以IEEE-RTS79系统的变电站为测试对象,对所提方法的效果进行
针对舰载直升机起降安全影响因素多,不确定性信息难以量化的问题,提出了基于直觉模糊决策的舰载直升机起降安全评估方法。建立了起降安全评估三级指标体系,通过建立直觉模糊多属性决策模型得到了起降安全的综合评估值,科学合理地评定了起降的安全性。