导读:本文包含了同调机群识别论文开题报告文献综述及选题提纲参考文献，主要关键词:t-分布邻域嵌入,无监督识别,同调识别,仿射传播
同调机群识别论文文献综述
王振浩,杜虹锦,李国庆,张明泽[1]（2018）在《基于t-分布邻域嵌入的同调机群无监督识别》一文中研究指出当系统发生严重级联故障导致失稳时,快速搜索同调机群是进行解列控制平息振荡的前提。针对发电机严重受扰后功角信号的非平稳、非线性的特点,以及需要根据经验人为决断同调分群类数的问题,提出一种基于t-分布邻域嵌入的同调机群无监督识别新方法。采用广域量测环境下发电机功角信号作为源数据,引入t-分布邻域嵌入算法将发电机功角信号进行建模并映射到二维子空间中。通过二维坐标下映射点之间的聚集程度衡量受扰动后发电机运行特性的相似性。随后利用仿射传播算法对发电机组进行无监督聚类分群。研究表明所提方法原理简单,易于解决实际问题。基于实测数据进行计算分析,可避免模型参数对分群的影响。通过2014年湖南省网73台发电机系统仿真,并与传统分群方法对比结果,验证了所提方法的有效性和快速性。(本文来源于《电力系统保护与控制》期刊2018年22期）
王涛,杨越,顾雪平,张祥成,张文朝[2]（2018）在《基于小波模糊熵GG聚类的同调机群识别》一文中研究指出针对同调机群识别面临的特征提取片面及计算过程复杂相互制约的问题,提出一种基于小波模糊熵-GG(Gath-Geva)聚类的同调机组识别新方法。根据广域测量系统获取的故障后系统机组功角信息,利用多尺度小波分解将功角摇摆曲线分解为整体趋势和细节信息,计算各个尺度小波系数的模糊熵,并作为发电机的特征向量,再通过GG模糊聚类算法对其进行同调聚类。对IEEE 39节点系统和某实际电网进行仿真,算例分析结果表明所提方法能够根据故障后系统机组功角信息的变化更新功角数据库,实现快速准确的同调机群识别。(本文来源于《电力自动化设备》期刊2018年07期）
李莹,张艳霞,陶翔,杨国杰[3]（2018）在《基于广域测量信息的同调机群快速识别算法》一文中研究指出广域测量系统WAMS为电力系统自动化提供了有效的平台。本文基于WAMS实测转子功角信息,利用差分法计算转子角速度和角加速度,将图像匹配中角点的提取和比较应用到同调分群算法中,通过比较各发电机转子角加速度轨迹中角点的幅值和时间差异对发电机组初步分群。进而利用发电机转子角速度的离散Hausdorff距离构造同调群内无向图,利用图论聚类实现精确分群。该方法计算简单,采用自适应数据窗分群迅速,能够实现复杂系统的在线分群。本文通过EPRI-36节点系统仿真算例验证了该方法的正确性。(本文来源于《电力系统及其自动化学报》期刊2018年03期）
徐甜,罗萍萍,余快[4]（2018）在《基于WAMS和曲线相似的同调机群识别方法》一文中研究指出提出了一种基于曲线相似的电力系统同调机群辨识新方法。首先获取WAMS实时监测得到的功角轨迹曲线作为基础数据,根据离散曲线相似性的定义,将各发电机的轨迹曲线分段,借助遗传算法确定分段轨迹之间的最优相似距离,保存了轨迹段的局部特性。然后整合各段相似距离得到各发电机之间的整体相似度并以此作为聚类指标,再利用层次聚类法实现多机系统同调机组分群。该方法简单可行,不受系统模型参数和故障类型的限制。最后对IEEE39节点系统进行分析计算,该仿真实验佐证了所提算法的有效性。(本文来源于《电测与仪表》期刊2018年01期）
朱乔木,陈金富,段献忠,游昊,李本瑜[5]（2018）在《基于奇异值分解的同调机群识别方法》一文中研究指出提出一种基于奇异值分解的同调机群识别方法。该方法直接面向发电机实时功角数据,利用奇异值分解技术提取反映机组同调性的关键信息。从能量的角度出发,根据定义的能量贡献率指标自适应地选择奇异值数量,构造低维权矩阵,进而实现数据的显着降维。最终通过对权矩阵进行聚类分析实现同调机群识别。该方法具有原理简单、易于实现、计算量小等特点,能够十分方便地实现大型复杂电网中机群的同调识别。提出了该方法的在线应用框架,测试结果表明该方法分群速度快,具备在线应用潜力。此外,同调识别的结果可直观地进行图形展示,有利于电网的运行控制与分析。通过IEEE 39节点系统和南方电网算例验证了该方法的有效性和正确性。(本文来源于《电工技术学报》期刊2018年03期）
李莹[6]（2016）在《基于广域测量信息的同调机群快速识别方法》一文中研究指出现代电力系统中,电网的装机容量日益的增大,互联的大电网也变得日益复杂,这两者都使得电网的稳定、监视和控制越来越重要,互联的大电力系统也正朝着广域实时动态监视和控制方向稳步迈进。随着电力系统向着大区域互联方向发展,区域互联电网间的电气联系逐渐加强,运行方式复杂多变,电网的动态安全问题也变得日益严峻。在电网保护措施构成的电网的叁道防线中,自动解列是电网的第叁道防线,对电网的稳定运行具有非常重要的作用。对电网进行失步解列时,首先要对电网中的所有发电机进行同调性的划分。所以,快速、精准的识别出电网中的同调机群是失步解列的首要任务。此外,当电力系统受到扰动后,识别电力系统中的同调机群,将其聚合成一台等值机,可有效地简化系统,降低电力系统动态等值的计算量。所以,快速准确地识别出电力系统中的同调机群对电力系统的安全、稳定具有至关重要的意义。广域量测系统(Wide Area Measurement System,WAMS)是可实现对电力系统运行进行动态监测以及其他高级功能的监测系统。随着其在电力系统中的逐步应用,基于发电机功角信息的同调分群方法日益增多,以广域测量信息为基础的同调机群划分方法逐渐成为同调分群方法中的重要方法。电力系统受到故障之后发电机的功角运行轨迹包含了影响各机组之间同调性的全部因素,按照发电机的运动轨迹确定发电机的同调性,有效提高了同调分群的准确度。考虑到发电机的转子角加速度变化是转子功角变化的根本原因,本文将WAMS实测的发电机功角离散值通过两次差分计算得到转子角加速度离散值,再利用叁角函数拟合出各发电机的角加速度变化曲线,以这些曲线为分群依据划分同调机群。在利用转子角加速度曲线分群的过程中,本文提出将图像匹配中的角点提取和比较应用于同调分群的新思路,因为角点保存了角加速度变化轨迹的重要特征信息,通过比较角点的幅值差异和时间差异判断角加速度曲线的相似度,实现对系统的初步分群。对初步分群后组内角点幅值差和时间差较大的发电机群,进而利用发电机转子角速度的离散Hausdorff距离构造同调群内无向图,利用图论聚类实现精确分群。本文采用EPRI-36节点系统仿真算例验证了该方法的正确性,且能够实现复杂系统的在线分群。(本文来源于《天津大学》期刊2016-11-01）
张亚洲,张艳霞,蒙高鹏,赵冉,高瑾[7]（2015）在《基于广域信息的同调机群聚类识别方法》一文中研究指出针对目前基于广域测量系统(wide area measurement system,WAMS)的发电机同调分群聚类方法仅仅以功角曲线之间的距离作为聚类指标,忽略了轨迹的局部特征及变化规律,导致轨迹分析不全面的问题,提出了一种基于轨迹结构差异度的同调机群聚类算法。首次将通信领域的轨迹特征提取方法应用到电力系统中,较全面、综合地考虑了发电机功角曲线之间的距离、变化方向、波动程度和变化速度的差异,利用变异系数法进行特征权重计算,以曲线之间的结构差异度为聚类指标实现了多机系统的同调分群。通过EPRI-36节点系统仿真算例验证了方法的有效性,结果表明:算法可以根据电力系统的具体运行情况确定合适的权重值对发电机之间的特征差异进行评价。与已有的基于功角轨迹的分群方法相比,轨迹分析更全面,分群结果更具有实际意义。(本文来源于《电网技术》期刊2015年10期）
张海波,李增楠,孙玉伟,郑志勤[8]（2015）在《基于层次分析模型的同调机群自动识别方法》一文中研究指出针对现阶段动态等值同调识别过程中存在的主观性和片面性等问题,综合考虑多种因素对机组同调性的影响,借鉴层次分析法思想,建立实用的层次分析模型,将摇摆曲线、电气距离和机组参数等较突出的影响因素有机结合,从而使同调识别过程由以往单一决策转变为多属性综合决策。通过对已知同调性的标准系统同调矩阵与其各影响因素相似度矩阵的对比分析计算,综合确定层次分析判断矩阵,相对客观地确定各因素权重。应用分布聚类法计算获得最终相似度矩阵,完成电机聚类。以IEEE 118节点54机系统和蒙西电网为算例,验证了所提方法的有效性和实用性。(本文来源于《电力系统自动化》期刊2015年10期）
田雨,梁海峰,康毅,高亚静,刘克权[9]（2015）在《基于PMU和改进支持向量机算法的同调机群在线识别》一文中研究指出鉴于现代电力系统中发生暂态稳定问题时,为了给后续的主动解列措施提供依据,需要快速准确地辨识出系统中的同调机群,基于同步相量测量单元(phasor measurement unit,PMU)实时采集的发电机动态轨迹信息具有高维度和非线性等特点,提出了一种在线识别同调机群的新方法:由PMU得到故障后发电机组的动态功角轨迹量测信息;对PMU量测信息进行标准化处理,生成标准化高维数据;利用留一交叉验证法确定Gauss径向基核函数参数g和惩罚系数C的最优取值,得到准确的分类器;使用此分类器对未知分类的样本进行分类,并得到最终的同调分群结果。仿真结果表明:该方法能有效克服传统方法识别准确率低和速度慢的缺点,能在线识别系统中的同调机群,且兼具识别的快速性和准确性,可满足现代电力系统暂态稳定的在线分析和实时计算等要求。(本文来源于《中国电力》期刊2015年03期）
姜涛,黄河,贾宏杰,李晓东,李鹏[10]（2015）在《基于投影寻踪最佳方向的同调机群识别方法》一文中研究指出提出一种基于投影寻踪最佳投影方向的电力系统机群同调识别新方法。引入投影寻踪方法对广域量测时间序列建模,将其投影到低维子空间中,通过优化算法寻找并提取反映机组同调特征的关键投影方向向量,用于判断机组的同调性。所提方法计算简单,易于实现,基于实测数据进行分群,可避免模型参数对分群的影响,实现同调机群在线辨识。研究结果表明,电力系统在振荡过程的同调机群构成与系统功率振荡模式间存在对应关系,通过对典型两区域互联交直流系统和南方电网的仿真分析,验证了所提方法的有效性和可行性。(本文来源于《中国电机工程学报》期刊2015年02期）
同调机群识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对同调机群识别面临的特征提取片面及计算过程复杂相互制约的问题,提出一种基于小波模糊熵-GG(Gath-Geva)聚类的同调机组识别新方法。根据广域测量系统获取的故障后系统机组功角信息,利用多尺度小波分解将功角摇摆曲线分解为整体趋势和细节信息,计算各个尺度小波系数的模糊熵,并作为发电机的特征向量,再通过GG模糊聚类算法对其进行同调聚类。对IEEE 39节点系统和某实际电网进行仿真,算例分析结果表明所提方法能够根据故障后系统机组功角信息的变化更新功角数据库,实现快速准确的同调机群识别。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
同调机群识别论文参考文献
[1].王振浩,杜虹锦,李国庆,张明泽.基于t-分布邻域嵌入的同调机群无监督识别[J].电力系统保护与控制.2018
[2].王涛,杨越,顾雪平,张祥成,张文朝.基于小波模糊熵GG聚类的同调机群识别[J].电力自动化设备.2018
[3].李莹,张艳霞,陶翔,杨国杰.基于广域测量信息的同调机群快速识别算法[J].电力系统及其自动化学报.2018
[4].徐甜,罗萍萍,余快.基于WAMS和曲线相似的同调机群识别方法[J].电测与仪表.2018
[5].朱乔木,陈金富,段献忠,游昊,李本瑜.基于奇异值分解的同调机群识别方法[J].电工技术学报.2018
[6].李莹.基于广域测量信息的同调机群快速识别方法[D].天津大学.2016
[7].张亚洲,张艳霞,蒙高鹏,赵冉,高瑾.基于广域信息的同调机群聚类识别方法[J].电网技术.2015
[8].张海波,李增楠,孙玉伟,郑志勤.基于层次分析模型的同调机群自动识别方法[J].电力系统自动化.2015
[9].田雨,梁海峰,康毅,高亚静,刘克权.基于PMU和改进支持向量机算法的同调机群在线识别[J].中国电力.2015
[10].姜涛,黄河,贾宏杰,李晓东,李鹏.基于投影寻踪最佳方向的同调机群识别方法[J].中国电机工程学报.2015