面向综合停电问题可信度度量研究

被引:2
作者
张国荣 [1 ]
王志国 [1 ]
李俊妮 [2 ]
翟丽婷 [1 ]
徐莉 [1 ]
尚静 [3 ]
机构
[1] 国网甘肃省电力公司金昌供电公司
[2] 北京国电通网络技术有限公司
[3] 天津科技大学计算机科学与信息工程学院
关键词
智能电网; 可信度度量; 电路故障分析;
D O I
10.16543/j.2095-641x.electric.power.ict.2019.03.011
中图分类号
TM76 [电力系统的自动化];
学科分类号
080802 [电力系统及其自动化];
摘要
智能电网的故障分析是维持电网长久运行的重要部分,也是建设智能电网的重要内容。文章针对电网传输过程中出现的停电问题,基于K-means聚类算法电网数据分类技术,以NEWACCU算法建立一种面向综合停电故障问题的可信度度量模型。模型将采集到的相关电量等信息和出现故障时装置所记录的数据,采用改进的K-means聚类算法分类,随后结合可信度度量模型确保停电数据的可信度,加快电网故障的判决与处理。最后,对某电力公司的数据进行案例分析,结果表明本文所提出的方法能够快速准确地分析出电网停电原因。
引用
收藏
页码:67 / 72
页数:6
相关论文
共 14 条
[1]
基于多信息源的电网故障诊断方法的研究 [D]. 
赵冬梅 .
华北电力大学(北京),
2005
[2]
多源异构大数据下综合能源系统用户用能行为预测分析研究 [J].
马天男 ;
王超 ;
彭丽霖 ;
郭小帆 ;
杜英 ;
苟全峰 ;
刘金朋 .
智慧电力, 2018, 46 (10) :86-95
[3]
基于局部密度聚类算法的变压器故障状态评估 [J].
罗伟明 ;
吴帆 ;
黄业广 ;
吴杰康 ;
覃炜梅 ;
龚杰 ;
金尚婷 .
广东电力, 2018, 31 (08) :81-90
[4]
基于机器学习的电网设备档案数据异常诊断研究 [J].
龙婧 ;
刘伟 ;
殷胜 .
电力信息与通信技术, 2018, 16 (07) :21-27
[5]
基于粒子群聚类算法的居民负荷辨识方法 [J].
柏慧 ;
王丽丽 ;
鲁敬 ;
祁兵 .
电力信息与通信技术, 2018, 16 (06) :13-18
[6]
基于聚类分析算法的海量关系数据可视化技术研究附视频 [J].
刘念 ;
刘宇 .
电子设计工程, 2018, (10) :92-95
[7]
K-means算法在CDN服务质量监测中的应用附视频 [J].
余小峰 ;
黄永峰 .
电子设计工程, 2018, (10) :101-104
[8]
基于GMM聚类和SVM的用户负荷行业分类辨识方法 [J].
蔡秋娜 ;
刘思捷 ;
陆秋瑜 .
广东电力, 2017, 30 (12) :91-96
[9]
采用多数据源的配电网故障研判技术 [J].
姚瑛 ;
郗晓光 ;
高世伟 ;
郑悦 ;
方学珍 ;
刘洪 .
电力系统及其自动化学报, 2017, 29 (02) :50-55
[10]
一种基于Spark和聚类分析的辨识电力系统不良数据新方法 [J].
孟建良 ;
刘德超 .
电力系统保护与控制, 2016, 44 (03) :85-91