基于分类多模型融合的分布式电网孤岛检测技术

发布时间：2017-04-09 15:06

  本文关键词：基于分类多模型融合的分布式电网孤岛检测技术，由笔耕文化传播整理发布。

【摘要】：近年来,随着环境问题日益严重以及化石能源的不断减少,可再生能源的开发使用受到了越来越多的重视。由于分布式发电系统利用本地可再生能源进行发电,具有经济高效,供电可靠,清洁环保的特点,因而成为了电力系统研究和发展的热点。孤岛效应是分布式发电系统的关键问题。快速有效的孤岛检测技术为系统的稳定安全运行提供了有力的保证。本课题的研究内容是探求有效的孤岛检测技术,在电力系统领域具有重要的意义和运用价值。本文主要工作包括以下三方面：(1)基于系统辨识和小波分析,分别从系统的外部结构和信号本身进行特征提取,包括系统结构参数、小波奇异熵和局部能量特征,同时获取稳态常规特征。然后采用机器学习中逻辑回归、支持向量机、随机森林和Adaboost对相应的采样数据进行训练,得到对应的孤岛检测分类器。(2)基于组合模型,建立多层次、多分类器、多状态的孤岛检测系统。(3)建立仿真平台,对文章中提出的孤岛检测算法进行验证。本文的创新点包括以下三点：(1)提出一种基于系统辨识的孤岛检测方法。(2)将fisher准则与序列浮动后向选择相结合进行特征优选。(3)考虑系统多种运行模式,提出一种多层次动态权重投票组合模型的孤岛检测系统。这三个创新点在孤岛检测的运用中发挥着积极的作用,有助于提高了检测算法的性能。
【关键词】：分布式发电系统 孤岛检测 特征提取 机器学习 组合模型
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM727
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-15
• 第一章 绪论15-31
• 1.1 研究背景与意义15-18
• 1.1.1 分布式发电系统15-17
• 1.1.2 国内外发展现状17-18
• 1.1.3 分布式发电系统的前景18
• 1.2 孤岛检测的意义18-21
• 1.2.1 孤岛效应18-20
• 1.2.2 孤岛检测标准20-21
• 1.3 孤岛检测技术现状21-29
• 1.3.1 被动检测法22-23
• 1.3.2 主动检测法23-25
• 1.3.3 远程检测法25-26
• 1.3.4 孤岛检测技术的挑战26
• 1.3.5 孤岛检测盲区分析26-29
• 1.4 本文主要研究内容29-31
• 第二章 基于系统辨识的孤岛检测技术31-46
• 2.1 辨识模型的建立31-33
• 2.2 最小二乘系统辨识33-36
• 2.2.1 系统辨识方法简述33
• 2.2.2 最小二乘法33-34
• 2.2.3 带遗忘因子递推最小二乘法34-36
• 2.3 谐波量模型估计36-38
• 2.4 逻辑回归分类器38-40
• 2.5 仿真建模和硬件平台验证40-45
• 2.5.1 平台设计40-41
• 2.5.2 软件仿真平台41-42
• 2.5.3 硬件仿真平台42-43
• 2.5.4 模型建立43
• 2.5.5 实验结果43-45
• 2.6 本章小结45-46
• 第三章 基于小波分析的孤岛检测技术46-74
• 3.1 小波分析原理46-48
• 3.1.1 小波分析基本原理46-47
• 3.1.2 小波变换47-48
• 3.2 基于小波分析的电网特征提取48-53
• 3.2.1 多分辨率分析和Mallat算法48-49
• 3.2.2 小波包分析49-50
• 3.2.3 小波包局部能量特征50-52
• 3.2.4 多分辨率分析与小波包奇异熵52-53
• 3.3 关键特征值提取53-55
• 3.3.1 特征优选的意义53-54
• 3.3.2 Fisher准则与序列浮动后向选择法54-55
• 3.4 决策树组合模型55-58
• 3.4.1 决策树55-56
• 3.4.2 随机森林分类器56-57
• 3.4.3 Adaboost分类器57-58
• 3.5 仿真建模与实验分析58-73
• 3.5.1 平台设计58-61
• 3.5.2 实验分析61-66
• 3.5.3 特征提取66-69
• 3.5.4 模型建立69-72
• 3.5.5 实验结果72-73
• 3.6 本章小结73-74
• 第四章 基于组合模型的孤岛检测技术74-88
• 4.1 非平衡状态孤岛检测74-77
• 4.1.1 支持向量机74-76
• 4.1.2 常规特征选取76-77
• 4.2 组合模型的应用77-81
• 4.2.1 组合模型的优势77
• 4.2.2 组合模型的类型77-78
• 4.2.3 多层次动态权重投票模式78-81
• 4.3 仿真建模与实验分析81-86
• 4.3.1 平台设计81-82
• 4.3.2 模型建立82-84
• 4.3.3 实验结果84-86
• 4.4 本章小结86-88
• 第五章 总结与展望88-90
• 5.1 总结88-89
• 5.2 展望89-90
• 参考文献90-97
• 作者简介97-98
• 攻读学位期间发表的论文成果98

【参考文献】

中国期刊全文数据库 前10条

1 张沛超;谭啸风;杨s铞，

本文编号：295505