基于流聚类的PMU异常数据辨识算法

基于流聚类的PMU异常数据辨识算法
为保证同步相量测量装置(phasor measurement unit，PMU)采集数据的准确应用，须排除其量测值中的异常数据。现有PMU异常数据辨识算法存在算法复杂度高、难以在线更新、多源数据难以校准、依赖多源数据应用难度大等不足。为此，文中从PMU事件数据和异常数据模型及PMU异常数据判别信息熵定义出发，提出基于该信息熵的异常数据辨识框架。在此框架基础上，基于利用层次方法的平衡迭代规约和聚类(balanced iterative reducing and clustering using hierarchies，BIRCH)算法提出PMU异常数据辨识算法；然后,对所提出的算法进行原型实现，并针对某变电站的PMU采集数据集进行算法实验验证。实验结果表明，与一类支持向量机(one-class support vector machine，OCSVM)算法与间隙统计算法相比，文中算法的准确度及实时性均具有较强的优势。

标题：
基于流聚类的PMU异常数据辨识算法
PMU abnormal data identification algorithm based on stream clustering

作者：
邓小玉，王向兵，曹华珍，王流火，严洪峰，王宏宇
DENG Xiaoyu, WANG Xiangbing, CAO Huazhen, WANG Liuhuo, YAN Hongfeng, WANG Hongyu

关键词：
同步相量测量装置(PMU);异常数据;事件数据;辨识框架;信息熵;流聚类
phasor measurement unit (PMU);abnormal data;event data;identification framework;information entropy;stream clustering

2025-1-23 19:59 上传 基于流聚类的PMU异常数据辨识算法.pdf

文件大小:

1.61 MB

下载次数:

60

高速下载