电力自动化系统中的坏数据分析与处理.pdfVIP

电力自动化系统中的坏数据分析与处理 殷超1，姚鹏2，汤鹏3 力检修分公司本部，江苏南京211102) 摘要：针对传统状态估计存在“残差污染”，“残差淹没”，计算时间慢等不足，提出一种基于人工神经网络的电力系统状态估计 算法。应用数据挖掘技术将SCADA历史数据库中的数据分类形成子数据库，根据相应的子数据库训练采用遗传算法(GA)优化 的BP神经网络，利用训练好的神经网络取代传统的状态估计，能够克服上述不足。 关键词：坏数据；状态估计；遗传算法；BP神经网络 and ofbaddatain automation Analysisprocessing power Yin Cha01，Yao Pen92，TangPen93 of andElectrical (1．CollegeEnergy Engineering，HohaiUniversity，Nanjing210098，]iangsuProvince： 2．Electrical Engineering，SoutheastUniversity，Nanjing210096，Jiangsu company，Nanjing211102，JiangsuProvince) Abstract：Asthetraditionalestimationofstateshas like’residual shortcomings timefor newestimationmethodforstatesin basedonneural submerge’，longcalculation，a powersystems networkis inSCADAdatabasescanbedividedintoseveralsubdatabesesdata proposed．Data using mining． Trainedneuralnetworkmodified tosubdatabasescanbeused byspecifiedgeneticalgorithmaccording insteadoftraditionalestimationtoeliminatethe disadvantages． of neural Keywords：damageddata；estimationstates；geneticalgorithm；BPnetwork 0引言 1 遗传算法优化的BP神经网络(GA-BP) 目前的电力系统状态估计仅利用了数据的冗余度，而电力系 传统的BP神经网络存在收敛速度慢，容易陷入局部极小点 统是一个稳定的，具有很强规律性的系统，并且数据库中储存着 而无法得到全局最优解[2][3]，并且对初试权值矩阵很敏感等 大量的经过处理的历史数据，对它们的有效利用，可以大大改善 缺点。而遗传算法自始至终是在全局解空间中搜索最优解，使用 电力系统状态估计程序的执行效率与精度。 遗传算法优化BP神经网络可以有效地解决上述问题：具体步骤 人工神经网络[1]具有模式识别和联想的功能，即对于存在如下： 一定的规律但规律又不容易被发现的一组数据，可以通过若干组 1．初始