基于K-邻近法的电网关键断面在线分布式发现方法
随着可再生能源大规模接入电网,电力系统正面临着越来越复杂的运行环境,从而对电网在线操作的时间粒度提出了更高的要求.关键断面在线发现以及其极限传输容量计算是保证大电网在线安全运行的重要手段,调度员通过调控关键断面控制电网安全、稳定运行.从数据驱动的角度出发,对电网在线运行状态建立特征集合,运用层次聚类和分布式特征选择筛选出影响断面出现与否的关键特征,随后运用二分类分布式的K-邻近法(KNN)建立特征集合与断面出现与否的映射.算例分析表明,相比于传统方法,所提机器学习方法可以大大减少关键断面在线发现所需时间,且关键断面预测精度达到工程应用需求.
关键断面、K-邻近法、分布式、机器学习、数据挖掘
47
南方电网科技项目GDKJ00000058“面向大数据的复杂大电网安全特征选择和知识发现的关键技术与示范应用”
2019-06-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
113-118