基于K-means聚类和信息论的电力系统安全信息特征选择.PDF

ELECTRIC POWER ICT 中图分类号：TP391　文献标志码：A　文章编号：2095-641X(2016)10-0001-06　DOI：10.16543/j.2095-641x.electric.power.ict.2016.10.001 基于 K-means 聚类和信息论的 电力系统安全信息特征选择 郭文鑫 1 ，向德军 1 ，王彬 1 ，汤磊 2 ，余志文 1 （1. 广东电网有限责任公司 电力调度控制中心 ，广东 广州 510600 ；2. 北京清大高科系统控制有限公司 ，北京 100084 ） 摘 要：随着可再 生能源 的广泛接入 ，电力 系统 的安全稳定运行正面 临严 峻考验。通过对 电网的 实际运行状况进行特征描述 ，充分发掘 电力系统安全稳定指标与上述特征 的关 系，能够为其安全 稳定运行提供重要的安全信息。文章首先对 电力 系统运行 的实际情况建立 了多维特征描述 ，运 用 K-means 聚类的方法进行特征聚类 ，将聚类结果分配至不 同的节点 ，并利用信息熵增益和双 向启发式搜索进行特征选择 ，得到 电力系统安全 的关键信息（关键特征 ），最后建立选择 出的关键 特征与 电力 系统关键 断面极 限传输容量之 间的线性描述。广 东电网的算例分析结果表 明 ，基 于 K-means 聚类和信息论的电力系统安全信息特征选择方法在保证计算准确性的同时能够兼顾计 算效率 ，具有很高的有效性和实用性。 特 别 关键词：电力系统；安全信息；特征选择；K-means 聚类 推 荐 0　引言 数据驱动挖掘算法的出现，数据将在未来的决策系 统中扮演越来越重要的角色。近年来，电网大数据 随着可再生能源的大量接入，电力系统正变得 的价值得到学界的不断重视，电力系统中众多的 更加多元化。可再生能源例如风能、光伏等具有较 量测元件如广域量测系统（Wide Area Measuring 强的间歇性和不确定性，给电网的安全运行带来了 System ，WAM S ）和 高 等 计 量 架 构（Advanced 巨大的挑战。如何在能源互联网背景下提升电力系 Metering Infrastructure ，AMI ）等产生的海量数据 统运行的经济效率并同时保证其安全稳定，是当前 以及电力系统仿真大数据，均是电力大数据的重要 [1] 亟待解决的问题 。 组成部分，其具有大数据典型的4V 特征：规模大 大数据的概念自提出以来，已经在互联网、电 （Volume ），这是大数据最基本的特征，即数据量庞 子商务、金融、交通和医疗等领域得到了广泛应用， 大到超出传统数据处理工具的处理能力或者处理 其被广泛接受的定义为：无法在可承受的时间范 时间超出可以容忍的范围；多样性（Variety ），大数 围内用常规软件工具进行捕捉、管理和处理