通过电能质量监测系统(power quality monitoring system,PQMS)中蕴含的电网历史故障变化、趋势等重要信息,对未来电压暂降进行预测,可为用户和电网公司合理规划生产,避免经济损失提供有力帮助。该文提出一种基于隐马尔可夫模型的电压...通过电能质量监测系统(power quality monitoring system,PQMS)中蕴含的电网历史故障变化、趋势等重要信息,对未来电压暂降进行预测,可为用户和电网公司合理规划生产,避免经济损失提供有力帮助。该文提出一种基于隐马尔可夫模型的电压暂降发生时间(occurrence time of voltage sag,OTVS)预测方法。首先对电压暂降发生时间的变量可预测性、数据冗余性、事件混沌性进行分析,揭示电压暂降监测数据特性;然后针对这三种特性,提出基于模糊C-均值聚类算法(fuzzy C-means algorithm,FCMA)和赤池信息准则(Akaike information criterion,AIC)的电压暂降历史状态识别与划分方法,以区间型变量刻画监测数据中的历史变化信息;建立考虑暂降历史变化信息和电网扰动变化信息的隐马尔可夫模型,实现对未来电压暂降的预测。最后,利用中部某省10个监测点的历史数据进行验证,所提方法的预测准确率最高可达92.85%,所提方法的预测性能较其他典型预测方法约高5%~30%。展开更多
文摘通过电能质量监测系统(power quality monitoring system,PQMS)中蕴含的电网历史故障变化、趋势等重要信息,对未来电压暂降进行预测,可为用户和电网公司合理规划生产,避免经济损失提供有力帮助。该文提出一种基于隐马尔可夫模型的电压暂降发生时间(occurrence time of voltage sag,OTVS)预测方法。首先对电压暂降发生时间的变量可预测性、数据冗余性、事件混沌性进行分析,揭示电压暂降监测数据特性;然后针对这三种特性,提出基于模糊C-均值聚类算法(fuzzy C-means algorithm,FCMA)和赤池信息准则(Akaike information criterion,AIC)的电压暂降历史状态识别与划分方法,以区间型变量刻画监测数据中的历史变化信息;建立考虑暂降历史变化信息和电网扰动变化信息的隐马尔可夫模型,实现对未来电压暂降的预测。最后,利用中部某省10个监测点的历史数据进行验证,所提方法的预测准确率最高可达92.85%,所提方法的预测性能较其他典型预测方法约高5%~30%。
