面向抢修的配电网大数据故障研判及分布式风电配置研究

发布时间：2024-03-04 05:23

　　在应对智能配电网服务从被动向主动转变的发展过程中,对多源故障数据的融合和处理是明确故障情况、掌握故障规律的重要前提。由于故障信息来源维度不一,数量巨大,为了保证后续主动抢修调度等服务的稳定与高效,需要对智能配网多源大数据进行融合,明确考虑故障情况,并在符合系统稳定性约束的条件下进行分布式微型配网接入的配电网最佳配置。为此论文进行如下工作:首先,对抢修数据进行预处理,对不同来源的数据进行层次校验,并判断整体数据的情况,与时效情况,对数据整体的质量情况作出预判,建立基于密度聚类(Ordering points to identify the clustering structure,OPTICS)算法的配网抢修数据异常检测办法,对抢修大数据聚类分析,提取数据异常项,通过算法设置和特例分析,明确该方法针对有故障数据存在的抢修大数据依然能有效地辨识数据异常情况。然后,明确各类故障的判别逻辑,找出各类故障的主要影响因素,对故障研判选取特征量,结合数据融合模型,对各类故障数据特征量提出具有针对性的处理办法,明确各特征值对故障类型研判的作用空间,建立基于证据理论(Dempster Shafer,DS...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图２．１营配调融合数据校验流程图??２．２．２数据整体异常程度辨别??配网故障研判的核心价值是生成主动工单，当用电采集系统终端处异常工作状态，??

?第二章配电网多源故障抢修数据异常识别???获取配电侧和营销侧的数据文件??对配电侧模型进行简化和合并，得到与营销侧设备关１??联关系相一致的数据文件??设定判断配电侧和营销侧的设备是否为??相同设备的关键属性??遍配五涵Ｓ数据文件和旮销侧的福＊；女丨‘１：，——得到??共有变电....

图２．２配网异常数据清洗流程图??而对具体异常数据的定位及筛除，常采用基于阙值的异常识别方法，或者基于某??些给定的统计量来辨别数据异常，这些方式都是基于精度计算的筛除法，在对异常数??

?硕士学位论文???述配网数据存在层次不一的情况，因此在判断数据异常情况时，应该把数据放到多个??维度去辨识。??识别和纠正关机数据的过程如图２．２所示。??具体的，针对配电网数据中明显有误的数据，防止将其录入，故需要首先整体对??待测数据进行异常检测，剔除明显错误数据。??／各....

图２．３异常检测算法流程图??２．４算例分析??

?硕士学位论文???４、判定与设定可达距离相似度最大的核心簇为异常数据，记录此数据留待进一??步分析；??５、过滤异常数据，记录其余簇内数据与簇间数据，相似度结果，并将过滤后的新??样本数据作为优化学习样本。??／?配网监测数?／??／?７?／???５???待识别样本矩阵？——?....

图２．４未处理电流量历史数据曲线??．

?第二章配电网多源故障抢修数据异常识别???２．４．２异常数据分析??以对该地一年每三十分钟为一个时段，共１８０００个时段总数据量为１７３８５条电流??监测数据绘制未处理前图像如图２．４。??相电说异常识別前曲线??２．５????＇?｜＇?＇?＇?１?１１１１＇＇?｜１＇??■?....

本文编号：3918967