同调机群识别

《同调机群识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷电网技术Vol.32No.12008年1月PowerSystemTechnologyJun.2001文章编号：1000-3673（2004）00-0000-00中图分类号：TM文献标识码：A学科代码：470。0000基于A-K网络模型的模糊聚类同调机群识别刘绚1，文俊2，刘天琪1（1.四川大学电气信息学院，四川成都610065:2.重庆电力公司沙坪坝供电局，重庆，400030）AfuzzyclusteringmethodbasedonA-KnetworkstorecognizecoherentgeneratorgroupsLiuXuan,WenJun,LiuTi

2、anqi(SchoolofElectricalInformation,SichuanUniversity,Chengdu610065,China)ABSTRACT:AcoherentgroupsrecognitionmethodusingfuzzyclusteringmethodbasedonA-Knetworksisproposed.Firstly,afuzzysimilaritymatrixisformedbyapplyingmaxmum-minmumalgorithm.ThentraintheA-Knetworkswitheachrowofthefuzzysimi

3、laritymatrixasinputs.Thenervesofoutputlayerwhichwinultimatlyrepresentdifferentdynamicstyles.Finally,itistestedontheEPRI-36busmodelofPSASP.TheresultsbasedonA-KfuzzymethodaremoresimilartotheresultsbasedontimesimulationcomparedtoA-Kmethod,whicharenotmisajudgments.Moreover,A-Kfuzzymethodcani

4、dentifycoherentgeneratorgroupsingreatertimerange.KEYWORDS:powersystem;A-Knetworks;fuzzyclustering;coherentgeneratorgroups;coherencyidentification摘要:给出了一种利用基于融合ART和Kohonen网络基本思想的自组织神经网络(简称A—K网络)的模糊聚类方法识别电力系统同调机群的算法.首先对输入数据进行模糊预处理，即采用最大-最小法建立能够反映发电机组间同调程度的模糊相似矩阵;然后将其每行或每列输入A-K网络模型进行训基金项目：国

5、家自然科学基金（50595412）。ProjectSupportedbyNationalNaturalScienceFoundationofChina(50595412).练,最终竞争获胜的输出层神经元代表不同的动态类型,即不同的同调发电机组.最后在EPRI-36节点系统上分别对A-K法和A-K模糊聚类法进行了仿真计算，结果表明A-K模糊聚类法的识别结果比A-K法更加接近基于时域仿真的结果，没有出现误判，并且相比A-K法能在更大时间范围内对同调机群进行准确识别。关键词:电力系统;A-K网络;模糊聚类;同调机群;同调识别0引言电力系统同调机群的识别在电力系统动态特性研究中

6、有着广泛的应用。发电机的同调是指在系统受到扰动后，发电机摇摆曲线具有相同的形式。同调机群的识别方法很多，最基本的方法是通过检验发电机在受到扰动后的摇摆曲线来判别同调[1];在此基础上又发展了摇摆曲线聚合法[2]，慢同调分区法[3]，相关系数法[4],自组织映射法[5-7]，模糊相关自组织数据分析算法(ISODATA)[8，9]，模糊等价法[10]等。这些方法各有缺陷，如公式推倒复杂，计算量大，或着不能用于大系统等。其中模糊相关自组织数据分析算法(ISODATA)和模糊等价法属于模糊聚类的方法。实际上，系统并不存在严格意义的同调，何种程度的动态相似才算同调需要视研究的具体

7、问题而定.根据电力系统的这一特点，把模糊聚类应用到同调识别有一定的优势。另外，同调机群的识别问题可以看作模式识别问题来处理。人工神经网络理论在处理非线性模式识别方面已表现出了很好的特性.文献[6]和文献[7]分别把Kohonen自组织神经网络和自适应共振理论(ART)运用到同调识别,但均存在需要预先给定网络单元数目及其结构形状的不足.在此基础上,文献[11]提出融合ART和Kohonen网络基本思想的自组织神经网络(简称A—K网络)实现水文资源的分类,它能在训练过程中动态确定网络结构和输出神经元个数,克服了上述不足.基于以上研究，本文探索