基于數據挖掘的電網規(guī)劃不良數據辨識與修正.pdf

1、隨著我國智能電網的快速建設，電網規(guī)模日益龐大。由于BPA等規(guī)劃計算工具的局限與不足，導致實際電網規(guī)劃過程中存在大量的不合理數據。面對如此規(guī)模的電網規(guī)劃數據，規(guī)劃人員束手無策。然而，錯誤或不合理數據對BPA潮流計算收斂性和結果會產生較大影響，一方面錯誤和不合理數據會影響潮流計算的收斂性，增加規(guī)劃人員調整潮流的工作負擔;另一方面錯誤和不合理數據會影響潮流計算結果的準確性，可能導致電網規(guī)劃結果與實際結果偏差較遠，造成較大的經濟浪費，更甚者可能

2、給電網安全埋下隱患。因此，如何快速有效地辨識大規(guī)模規(guī)劃電網潮流數據中潛在的不合理數據顯得越來越重要。
　　針對該問題，本文擬采用數據挖掘技術進行電網規(guī)劃不合理數據的辨識與修正方法研究。首先，在廣泛的查閱國內外相關領域文獻、資料的基礎上，本文詳細綜述了國內外不合理數據辨識與修正方法的研究現狀及發(fā)展水平。其次，在剖析了BPA潮流計算數據的特點及其限制基礎上，針對電網規(guī)劃中線路參數漏填和誤填等多種實際情況，建立了基于K-均值的電網規(guī)劃交

3、流線路標準參數庫;然后，針對電網規(guī)劃中的交流線路型號和線路長度等問題，分別建立了線路類型判斷模型和線路長度計算模型。其中，線路類型判斷模型中定義了邊界范圍的概念，建立了通過兩條直線之間的夾角余弦判斷線路所屬類型的方法;線路長度計算模型采用BP神經網絡算法，利用線路參數之間的相關關系訓練BP神經網絡得到線路的長度值;在此基礎上，建立了適合實際電網規(guī)劃工作的不合理參數辨識與修正模型的算法流程與實現步驟。最后，結合某實際電網規(guī)劃數據驗證了本文