基于龙格库塔法与CAIM法的电力系统离散化算法的研究与改进

论文摘要

随着现代电力系统中智能电网的建设和电力物联网的发展,大量连续型电网监测设备的数据给传统的属性离散化方法带来了极大的挑战,因此如何提高海量连续型电网监测设备数据的离散化效率,在如此庞大的数据中寻找所需的数据,从而进行故障预测、稳定性分析等,就成为了一个亟需解决的问题。电力系统中大部分数据都是连续属性的数据,所以针对于电力系统中连续属性的数据的离散化算法就越来越重要。离散化算法的有效性直接决定了后续机器学习的精度,并且在尽量减少数据的冗余度的同时,也能够减少计算量及内存需求,从而提高算法的运行效率,适用于现代电力系统的实时大数据分析与预测。电力系统中常用龙格库塔离散化方法来进行仿真分析与电网离线安全分析,该方法拥有很高的计算精度,但由于该方法计算量太大,其计算效率已经不满足要求。而CAIM离散化算法是对数据进行预处理时常用的方法之一,该算法计算效率高,离散效果好,适用于大数据的分析。但是该算法本身存在一定的瑕疵,容易出现误差,从而给运算结果带来很大的误差。本文从对电力系统中常用的离散化算法进行改进的角度出发,首先,对常用的龙格库塔法进行了数学分析,指出了其在运算中存在的重复性计算过程,并针对这一缺点对其进行了简化,并得到简化后的运算公式。结合电力系统中常用的PID控制策略,将其与龙格库塔法进行结合,对PID形式的离散化公式进行推导,得到了其运算公式,并对该公式进行了算例分析,证明了该方法在大幅降低了算法的运行时间的基础上,同时拥有很高的精确度与数值稳定性。其次,再对数据源进行优化,利用在从UCI机器学习数据库中获得相关数据后,进而对该组数据进行预处理的思想,通过对CAIM算法进行的运算分析,指出了其在算法运行过程中忽略了对属性权重、数据差异等性质的比较,容易造成较大的运算误差这一缺点,通过对属性权重的数学定义、数据差异的量化等方式,对CAIM离散化算法进行了改进,并通过支持向量机和C4.5决策树对该方法进行实验,证明了该方法在精确度及有效性等方面比传统方法有了大幅的提高。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 国内外研究现状
•   1.3 本文主要工作
• 第二章 电力系统的离散化分析
•   2.1 引言
•   2.2 离散化
•   2.3 电力系统连续系统状态方程离散化的数学分析
•   2.4 UCI机器学习数据库
•     2.4.1 UCI机器学习数据库简介
•     2.4.2 UCI数据库提取方法
•   2.5 C4.5决策树
•   2.6 本章小结
• 第三章 一种基于简化龙格库塔法的电力系统离散化方法
•   3.1 引言
•   3.2 龙格库塔法的数学分析
•     3.2.1 迭代法
•     3.2.2 欧拉法及改进欧拉法
•     3.2.3 龙格库塔法
•   3.3 一种简化的四阶龙格库塔离散方法
•   3.4 基于简化四阶龙格库塔离散方法的控制策略
•   3.5 对基于简化龙格库塔离散方法及其相应控制策略的仿真研究
•   3.6 本章小结
• 第四章 一种改进型CAIM电力系统离散化算法
•   4.1 引言
•   4.2 传统的CAIM离散化算法
•   4.3 改进型CAIM离散化算法
•     4.3.1 多条件属性重构
•     4.3.2 属性权重
•     4.3.3 数据的差异率
•     4.3.4 一种改进型CAIM离散化算法
•   4.4 实验与验证分析
•     4.4.1 针对于算法有效性的实验分析
•     4.4.2 对时间复杂度的分析
•     4.4.3 算例分析
•   4.5 本章小结
• 第五章 总结与展望
• 参考文献
• 发表论文和科研情况说明
• 致谢

文章来源

类型: 硕士论文

作者: 张少伟

导师: 周雪松

关键词: 现代电力系统,离散化算法,龙格库塔法,算法

来源: 天津理工大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 数学,数学,电力工业,自动化技术

单位: 天津理工大学

分类号: TM76;O241.82

总页数: 67

文件大小: 2430K

下载量: 113