电能质量预测与预警研究

作     者：张文惠 

作者单位：南京理工大学 

学位级别：硕士

导师姓名：王宝华

授予年度：2021年

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 

主      题：电能质量 SOM聚类 K-means聚类 离群点检测 贝叶斯算法 BiLSTM模型 预警阈值 

摘      要：用电设备类型的多样化、线路结构的复杂化以及电力用户对电能质量要求的差异化导致了人们对电能质量问题的关注日甚一日。现阶段,电能质量监测点不断增加,监测技术也日益成熟,导致电能质量监测数据的规模不断扩大。有效分析电能质量监测数据并从中获取有价值的信息是解决电能质量问题的基础和依据。科学预测电能质量并及时预警可以快速掌握电能质量稳态指标状态,从而采取有效的改善和治理措施,确保电网安全经济运行。因此,展开了基于监测数据的电能质量预测技术与预警研究。首先,设计了基于SOM-K-means组合聚类算法,有效解决了 SOM算法收敛慢的缺陷和K-means初始聚类中选择的问题,并通过引入轮廓系数来确定最佳聚类数。其次,提出了基于SOM-K-means组合聚类算法的电能质量数据异常分析及校正方法,便于在建立预测模型之前对样本中的异常点进行离群点检测,并修正异常数据,从而保证为电能质量预测提供可靠的历史数据。然后,构建了基于贝叶斯优化BiLSTM网络的电能质量预测模型,便于高精度地预测电能质量稳态指标未来值。利用实际电能质量数据测试模型性能,结果表明了所提预测模型的有效性。最后,建立了基于国家限值的传统电能质量预警体系和基于SOM-K-means聚类的电能质量预警体系。传统电能质量预警体系是以国家标准为基准,将预警等级从低到高划分为5个级别。针对传统电能质量预警体系阈值设置方法的不足,提出使用SOM-K-means 算法划分预警对象,再按照聚类结果设置相应的阈值,并重新设置预警等级区间。18个监测点的预警分析结果验证了基于SOM-K-means聚类的预警体系可根据不同预警对象灵活调整阈值和预警区间,更加符合实际情况的要求。