基于电力系统同调性的PMU优化配置

论文摘要

基于全球定位系统(Global Positioning System,GPS)的同步相量量测单元(Phasor Measurement Unit,PMU)是一种新型的量测装置,该装置可以直接量测节点电压相量。本文在电力系统同调性概念的基础上,对电力系统中PMU的优化配置进行研究。根据电力系统中同调机群的划分有一定的模糊性和不确定性这一特点,引入模糊数学理论的知识,将其应用于电力系统同调群的识别中,分别推导了基于相关度理论和基于模糊聚类分析识别同调机群的数学模型,通过算例对两种模型进行了比较。本文指出电力系统的同调性同故障集的选取有直接的关系,提出了基于粗糙集理论属性约简的方法对故障集进行压缩处理,删除冗余属性,简化故障的方法。通过仿真算例表明,粗糙集是压缩电力系统同调识别中冗余故障的有效方法。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 PMU 优化配置的目的及其意义
• 1.2 国内外研究动态与现状
• 1.3 发电机同调识别的基本概念
• 1.3.1 发电机同调的定义
• 1.3.2 发电机同调识别的基本判据
• 1.4 发电机同调识别的研究现状
• 1.4.1 经典方法
• 1.4.2 现代方法
• 1.5 本文的主要工作
• 第二章 模糊聚类方法的基本理论
• 2.1 模糊数学的基本理论
• 2.1.1 模糊数学理论的提出
• 2.1.2 概率论与模糊数学
• 2.1.3 模糊集合的定义
• 2.1.4 模糊关系与模糊矩阵
• 2.2 模糊聚类分析的研究与发展
• 2.3 模糊聚类分析的基本方法
• 2.3.1 传递闭包法
• 2.3.2 最大树法
• 2.3.3 直接聚类法
• 2.4 模糊性在发电机同调识别问题中的应用
• 2.5 模糊聚类分析的建模
• 2.6 本章小结
• 第三章 发电机同调识别的系统模型
• 3.1 电力系统中同调机群识别的研究
• 3.2 同调机群识别的基本假设
• 3.3 系统模型的建立
• 3.3.1 经典分析方法的数学模型
• 3.3.2 基于模糊聚类分析方法的数学模型
• 3.4 本章小节
• 第四章 基于模糊聚类理论的发电机同调识别方法
• 4.1 基于相关理论的发电机同调识别方法
• 4.1.1 算例验证
• 4.2 基于模糊等价关系的发电机同调识别方法
• 4.2.1 发电机同调识别的传递闭包法步骤
• 4.2.2 算例验证
• 4.3 故障集选取对电力系统同调识别的影响
• 4.4 本章小节
• 第五章 粗糙集理论在电力系统同调性判别中的应用
• 5.1 引言
• 5.2 粗糙集的基本概念
• 5.2.1 信息系统和决策表
• 5.2.2 不可辨识关系
• 5.2.3 粗糙集的上、下近似
• 5.2.4 属性的约简
• 5.3 粗糙集的属性约简方法
• 5.3.1 典型的约简算法
• 5.3.2 属性约简的改进算法
• 5.4 粗糙集理论在电力系统同调识别中的应用
• 5.4.1 故障集的约简
• 5.4.2 算例分析
• 5.5 本章小节
• 第六章 结论
• 参考文献
• 致谢
• 附录1 新英格兰10 机39 节点系统
• 附录2 粗糙集约简程序实现
• 在学期间发表的学术论文和参加科研情况