【技术实现步骤摘要】
基于小波变换的时间序列聚类分析的机组分群方法及装置
[0001]本专利技术属于电力系统动态等值领域，具体涉及基于小波变换的时间序列聚类分析的机组分群方法及装置。
技术介绍
[0002]随着电网规模的不断扩大、电力系统发展，电网逐渐向交直流大电网运行方向发展，导致电力系统的电磁暂态分析愈发困难。减小大系统的规模，可提高分析计算效率，动态等值方法成为解决此问题的有效途径。此外，当电力系统受到严重扰动而导致机群之间发生失步振荡时，需进行紧急解列以防事故进一步扩大，导致全网崩溃，为确保系统稳定，同调机群的准确识别在机组快速解列中占有重地位。研究表明，发生扰动后系统中的发电机组有同调现象，即为某些机组的受扰轨迹具有一致性或相似性。基于扰动轨迹的相似性，可对发电机组进行同调分群，进而对电力系统进行动态等值。时至今日，现阶段动态等值主要依靠发电机转子摇摆角之差进行同调机组的识别，该方法在电力系统动态等值的同调分群中得到广泛的应用。但是，发电机转子摇摆角之差进行同调机组的识别的方法在同调识别过程中主观性、片面性等问题，没有充分考虑功角摇摆曲...
【技术保护点】
【技术特征摘要】
1.基于小波变换的时间序列聚类分析的机组分群方法，其特征在于，包括以下步骤：通过对各台发电机发生故障及切除故障后的数据采集，获得各台发电机功角摇摆曲线Δδ
i
(t)，对各摇摆曲线进行多次Haar小波变换，并获得时间序列的特征统计量，组合时间序列的低频趋势信号与各统计量，形成特征矩阵；对形成的特征矩阵进行归一化，利用基于粒子群优化的模糊c均值聚类方法进行聚类，实现同调机组的分群。2.根据权利要求1所述的基于小波变换的时间序列聚类分析的机组分群方法，其特征在于，通过对各台发电机发生故障及切除故障后的数据采集，获得各台发电机功角摇摆曲线Δδ
i
(t)，对各摇摆曲线进行多次Haar小波变换，并获得时间序列的特征统计量，组合时间序列的低频趋势信号与各统计量，形成特征矩阵的方法为：通过对各台发电机发生故障及切除故障后的数据采集，获得各台发电机功角摇摆曲线Δδ
i
(t)，且Δδ
i
(t)＝δ
i
(t)
‑
δ
i
(t0)；对各摇摆曲线进行多次Haar小波变换，每次分解将时间序列分解为低频的尺度信号和高频的细节信号，对得到的尺度及信号再进行分解，经过多次分解达到降维的目的；根据功角曲线，计算该时间序列的统计特征量，将经过Haar小波变换后得到的时间序列尺度信号和各自的统计特征量组合成新的序列，将多台机组的序列组成特征矩阵。3.根据权利要求2所述的基于小波变换的时间序列聚类分析的机组分群方法，其特征在于，对形成的特征矩阵进行归一化，利用基于粒子群优化的模糊c均值聚类方法进行聚类，实现同调机组的分群的方法为：粒子构成：粒子由K个聚类中心组成，即K个聚类中心按顺序排列构成一个粒...
【专利技术属性】
技术研发人员：肖茂祥，魏景瑞，陈彦丞，辛长利，李再丽，王硕，陈爱军，付少博，郑博友，宋大勇，李双，阚爱华，杜晓雨，孟兰兰，王丹，陈伟，王旻，管延宝，田涛，毕静，刘东辉，刘庆昌，田瑞冬，王贺铮，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。