基于數(shù)據(jù)挖掘技術的配電網(wǎng)故障預測研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,隨著城鄉(xiāng)居民生活水平顯著提高,人們對于配電網(wǎng)供電可靠性的要求日益提高,然而電力公司只能被動應對配電網(wǎng)故障,這使得配電網(wǎng)可靠性的提升存在瓶頸。實現(xiàn)配電網(wǎng)故障預測可為電力公司提供配電網(wǎng)運營維護決策支持,具有重大的經(jīng)濟和社會效益。國內相關研究尚不深入,國外研究相對深入,但在我國應用具有很大的局限性。因此,本文研究了基于數(shù)據(jù)挖掘技術的配電網(wǎng)故障預測方法,針對電力公司實際需求預測了饋線的月故障等級,并提出將饋線故障預測結果應用與搶修駐點優(yōu)

2、化的方法。
  首先,本文全面分析饋線故障影響因素,對某市的配電網(wǎng)信息系統(tǒng)進行深入調研,提取饋線故障預測所需數(shù)據(jù),為饋線故障預測奠定基礎。針對原始數(shù)據(jù)可能存在的質量問題,開發(fā)程序包對原始數(shù)據(jù)進行清洗、變換和集成。另外提出了一種基于聚類的離群樣本診斷方法,該方法引入輪廓值法確定最佳聚類數(shù),采用粒子群優(yōu)化算法優(yōu)化聚類中心,可有效提升聚類效果,從而準確剔除離群樣本,避免了離群樣本對預測模型的不良影響。
  其次,本文利用數(shù)據(jù)探索分

3、析方法剔除冗余、非強相關的故障特征變量,初步確定了故障相關特征變量集。并采用特征選擇方法從故障相關特征變量集篩選出最優(yōu)故障特征變量子集,從而合理確定饋線故障預測模型的輸入變量,避免輸入變量選擇不當導致的模型預測準確率下降。
  再次,本文針對電力公司實際需求和模型優(yōu)化要求對饋線的月故障發(fā)生的次數(shù)劃分等級,提出了預測饋線月故障等級的方法。方法采用具有調節(jié)參數(shù)少、泛化誤差有上限和可避免過擬合等突出優(yōu)點的隨機森林算法構建饋線故障預測模型

4、,并優(yōu)化了隨機森林算法的分類樹構建過程和關鍵參數(shù)。模型對饋線月故障等級的預測準確率高達92.92%。同時,通過建立基于C4.5決策樹、支持向量機和人工神經(jīng)網(wǎng)絡算法的饋線故障預測模型進行比較,發(fā)現(xiàn)本文構建的饋線故障預測模型的預測準確率明顯較高,證明了隨機森林算法用于構建饋線故障預測模型的正確性和有效性。
  最后,論文考慮搶修到達時間等約束條件,以搶修駐點與其負責的各饋線的距離總和最小為優(yōu)化目標函數(shù),構建基于饋線故障預測結果的搶修駐

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論