[发明专利]一种结合小波模糊熵和GG模糊聚类的同调机组分群方法

摘要

本发明公开了属于电力系统机组同调识别领域的一种结合小波模糊熵和GG模糊聚类的同调机组分群方法。根据WAMS中的相量测量装置获取故障后系统机组功角信息，利用多尺度小波分解将功角摇摆曲线分解为整体趋势和细节信息，计算各个尺度小波系数的模糊熵，将各个尺度小波模糊熵(包括全局特征和局部特征)作为发电机的特征向量，特征提取全面，计算过程简单。再通过GG模糊聚类算法对其进行同调聚类，提高了同调机组分群准确度。本发明能够实时获取系统机组的分群状态，为简化电网、解列位置确定提供必要前提。

主权项

1.一种结合小波模糊熵和CG模糊聚类的同调机组分群方法，其特征在于，包括如下步骤：1)利用PMU获取系统机组功角信息，将功角信息存在矩阵S中，对S进行初步预处理，得到发电机功角实时增量时序数据库T。2)对步骤1)得到的时序数据库T中第i(初始i＝1)列时序向量进行M层小波分解，得到逼近系数序列CaM，细节系数序列Cd1、Cd2...CdM。3)计算M+1个小波系数序列，即CaM、Cd1、Cd2…CdM的模糊熵，并按频段由低到高排序，组成功角摇摆曲线特征向量Gi*＝[SE0，SE1，SE2…SEM]，并且将其归一化处理：4)提取第i+1台发电机的特征，重复(2)、(3)步，直到所有发电机特征提取完毕，得到系统所有机组的特征向量。5)引入IGP指标，确定最优聚类簇数。6)对系统机组特征向量进行GG模糊聚类，识别同调机群。7)每隔10ms更新功角数据库T。采用上述步骤对数据库中功角信息进行同调分群，分群结果随着数据库的刷新而实时刷新，从而实现实时在线同调机组分群。