导读:本文包含了不良数据辨识论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据,不良,状态,算法,模糊,接触器,电力系统。
不良数据辨识论文文献综述
杜亮[1]（2019）在《基于最优路径的电网状态计算与不良数据辨识》一文中研究指出电网状态计算与不良数据辨识,能为电力系统运行分析提供准确可靠的数据系统,是电网安全稳定控制的基础。提出了一种考虑不同量测精度和量测方向的网络搜索新方法,选择量测组合精度更高的最优路径进行状态计算。利用电压一致性检测、PMU/SCADA一致性检测、KCL一致性检测和KVL一致性检测方法,实现不良数据辨识。IEEE 14节点系统算例结果表明,最优路径法具有较高的计算精度,且能正确辨识不良数据。(本文来源于《电工电气》期刊2019年11期）
方睿,董树锋,唐坤杰,朱承治,裴湉[2]（2019）在《基于最大测点正常率与GPU并行加速的不良数据辨识方法》一文中研究指出基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力。然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题。为此,基于MNMR状态估计模型,采用杂交变异粒子群算法,提出一种基于图形处理器(GPU)并行加速的不良数据辨识算法。该算法不对MNMR模型进行近似等效,根据GPU并行计算架构特点,设计了粗粒度和细粒度结合的并行加速策略。算例结果表明,所提的算法对不良数据的误检率和漏检率较低,具有较好的不良数据辨识能力,且计算时间短,加速效率高,能够满足实际运行需求。(本文来源于《电力系统自动化》期刊2019年16期）
薄一平[3]（2019）在《基于数据挖掘的接触器电寿命不良数据检测辨识算法研究》一文中研究指出随着国民经济的发展以及交流接触器在电气线路中的广泛应用,在故障前就可以预测出交流接触器的电寿命至关重要,以免引起国民经济的重大损失。而系统操作的不良数据影响交流接触器的电寿命预测结果,因此,对交流接触器的电寿命数据质量的要求越来越高,对不良数据检测与辨识准确性也更为重要。本论文研究了基于数据挖掘的交流接触器电寿命不良数据检测与辨识方法,在一定程度上剔除了不良数据,对交流接触器电寿命预测可靠性具有重要意义。研究内容分为以下几点:首先,根据交流接触器的基本原理及退化机理,通过定义具体计算出相应特征参数:接触电阻、吸合时间、弹跳时间、起弧相角、燃弧时间、燃弧能量、平均燃弧功率等。结合了新小波阈值理论和经验模态分解的原理及去噪方法提出了改进的EMD交流接触器退化特征参数提取的方法,对电寿命试验数据进行特征提取、去噪处理,为不良数据检测与辨识作了数据准备。其次,关联规则是非常重要的数据挖掘技术,对其核心思想、基本性质、算法步骤及实现等进行深刻研究,根据其缺陷与不足,建立在基本的关联规则基础之上,提出了一种改进的关联规则算法,并通过实验来证实其改进后关联规则算法的可靠性能及其有效性。最后,通过使用改进的关联规则算法对交流接触器电寿命预处理的特征参数进行数据挖掘。对接触电阻、吸合时间、弹跳时间等参数,进行关联规则挖掘;根据燃弧时间、燃弧能量、平均燃弧功率等参数随起弧相角具有周期性变化,对其进行关联规则挖掘,得到其相应的规则。为了验证识别算法的有效性,人工设置不良数据进行检测与辨识,证实了该算法可对交流接触器电寿命监测数据进行不良数据检测与辨识。最后,对交流接触器电寿命预测新实验数组待辨识的样本进行不良数据检测,采用以上一系列步骤,最终辨识出不良数据,将不良数据剔除。(本文来源于《沈阳工业大学》期刊2019-06-04）
陆东生,马龙鹏[4]（2019）在《基于增广状态估计的混合不良数据诊断与参数辨识》一文中研究指出电网同时存在遥测坏数据和参数错误时,由于坏数据会影响参数辨识结果,全网参数辨识和估计方法很难保证结果的准确性。文中提出一种基于增广状态估计的混合不良数据诊断与参数辨识方法,先通过残差平衡度判断不良数据是遥测坏数据还是错误参数,将遥测坏数据直接剔除;然后,通过分区方法将多个潜在的不良参数尽可能分开在不同的局部区域,以减弱不良数据之间的相互影响;最后,采用分区增广状态估计方法修正不良参数。算例结果表明,该方法能有效区分坏数据和错误参数,且分区参数辨识能避免不良数据之间相互影响,从而提高了可疑参数辨识的精度。(本文来源于《电力工程技术》期刊2019年02期）
杜珣[5]（2019）在《基于自贡配网的不良数据辨识系统的设计与实现》一文中研究指出随着信息技术的发展,智能电网成为了各国电网公司关注的焦点,智能电网集发电、输电以及配电于一体,通过自动化及信息化的优势,可实现自动监控、诊断以及修复,工作效率得到了大幅度提升。目前智能电网在国内得到了大规模应用,然而智能电网对配网数据的正确性要求非常高,需要识别其中的不良数据并进行处理,提升服务稳定度以及供电质量,这也是选择研究配网不良数据辨识系统的原因。不良数据的辨识在电力系统状态估计中扮演不可或缺的角色,由于电表测量数据通过网络传输到控制中心时可能造成数据错误或遗失,某些遥测结果可能远离实际值等以及一些其他的客观因素存在,因此数据变得不精确且不可靠,在实际情况中,通过仪表等设备所采集到的信息不能直接用来判断系统状态,其量测量数据可能包含不良数据,不良数据检测的目的在于排除少数的不良数据,达到提高状态估计的可靠性。不良数据的辨识大多数是采用残差类方法,该类方法对于不良数据的辨识效果显着,但同时也存在残差污染等弊端。本文采用了残差灵敏度矩阵来判别测量值彼此之间相互作用的可能性,避免多个相互作用不良数据情景下误判的情况发生,也能提高状态估计中多个相互作用的不良数据辨识的正确率;再利用遗传算法根据最佳化问题来设计的适应函数得到最佳化问题的可能解组合。配网不良数据辨识系统基于J2EE进行开发,并使用Oracle存储数据,同时使用JXL插件实现数据导入与导出。配网不良数据辨识系统由配电数据管理、不良数据辨识管理、辨识结果管理以及安全管理等模块组成。所构建的系统具备如下特点:首先使用残差灵敏度矩阵以及遗传算法实现了不良数据辨识算法,其次使用Web Service技术实现了不良数据辨识结果的共享,使用并行数据库以及备份方案实现了数据保护方案。目前配网不良数据辨识系统已经构建完成,并从从功能和性能两方面对配网不良数据辨识系统进行了测试,系统符合应用需求,将其部署到了电网公司用于处理不良数据辨识业务,配网不良数据辨识系统引入后有效提升了电网公司不良数据辨识水平和工作效率。(本文来源于《电子科技大学》期刊2019-03-01）
潘志敏,俞水琼,梁运华[6]（2018）在《基于深度学习网络的电力系统不良数据辨识算法研究》一文中研究指出为提高电力系统的稳定性和安全性,本文提出一种基于深度学习网络的电力系统不良数据辨识算法。为消除不同量纲数据所引起的差异,算法首先将采集的电力数据进行归整,然后构建多层深度循环学习网络进行不良数据辨识。学习网络分输入层、隐藏层和输出层叁层,其中隐藏层包含128个神经元,输出层采用softmax分类器。针对不同神经网络的仿真实验显示,相比于BP神经网络和自组织模糊神经网络,深度循环学习网络的不良数据检测效率最高。针对实测数据的实验显示,相比传统的标准残差法和量测量突变法,不良数据检测率分别提高17.9%和6.4%,辨识率提高17.2%和8.9%。(本文来源于《湖南电力》期刊2018年06期）
高金兰,康迪,雷星宇,朱佳丽[7]（2018）在《基于改进模糊聚类分析的电力系统不良数据辨识》一文中研究指出针对当前电力系统不良数据检测辨识方法的缺点,提出一种基于增强型万有引力搜索-模糊C均值算法(EGSA-FCM)的电力系统不良数据辨识新方法。通过提出的增强型万有引力搜索算法(EGSA)对SCADA系统上传的量测数据进行搜索,获得较好的初始解,再运用FCM算法获得良性数据和不良数据的分类,最后通过COS聚类有效性判定指标判断最优聚类数目,得到最佳聚类结果和不良数据。将方法应用于IEEE14节点电力系统和大庆某区域电网中,结果表明能有效避免误检和漏检的发生,检测结果更加准确。(本文来源于《电气自动化》期刊2018年05期）
周嘉伦,刘可一,刘晓伟[8]（2018）在《电力系统不良数据的检测与辨识算法研究——基于IEEE33含光伏系统仿真计算》一文中研究指出以电力系统状态估计为背景,运用模糊聚类方法构建基于IEEE33含光伏系统仿真计算模型,采用模糊等价矩阵的聚类分析方法编写相关程序,对照仿真结果与理论结果,总结模糊聚类法对不良数据的辨识能力,为电力系统稳定运行提供参考。(本文来源于《农业科技与装备》期刊2018年05期）
钟建伟,刘佳芳,倪俊,吕静[9]（2018）在《改进新息图法在不良数据检测与辨识中的应用》一文中研究指出针对连支测量值为不良数据时,传统新息图法检测与辨识过程的无连续性问题,提出基于蚁群算法的改进新息图法。该方法根据配电网的网孔对配电网的支路进行编码,建立独立回路矩阵,通过对连支测量值的自动判断,利用简化的蚁群算法生成新树,对配电网络中的不良数据进行高效地检测与辨识。采用IEEE14节点配电系统对此方法进行验证,并与新息图法进行对比分析,仿真结果证明改进新息图法在时间上的高效性和在检测与辨识上的准确性。(本文来源于《电力系统及其自动化学报》期刊2018年09期）
刘佳芳[10]（2018）在《配电网不良数据检测与辨识的改进新息图法研究》一文中研究指出本文结合图论的相关知识,对新息图法在配电网拓扑错误辨识和不良数据的检测与辨识方面进行了深入的研究,旨在优化新息图算法,提供快速准确、高效实用的拓扑错误辨识和不良数据检测与辨识方法,为电力系统提供实时可靠的数据库。首先以图论的相关理论知识为基础,通过建立支路回路关联矩阵,计算连支推算新息向量和差别向量,阐述了新息图法的工作原理。针对新息图法在检测到连支测量值为不良数据时,没有换树方法导致算法不连续的问题,采用快速换树法对新息图法进行了改进,解决了算法不连续问题,提高了算法的计算速度。基于回路,将配电环网中出现的多个相关不良数据分成了两种基本情况,研究了新息图法的检测与辨识原理。针对由新息图法判定相邻回路的连支测量值均为不良数据可能出现的误判情况,采用差别向量复检法对新息图法进行了改进,对由于多次更换连支而产生的多个差别向量依次进行判断,对不良数据的类型和位置进行正确辨识,解决了新息图法的误判问题,提高了算法的正确性。研究了新息图法在辐射配电网中的应用。根据新息图法的检测与辨识原理,通过讨论辐射配电网中环状结构的构建、连支及其测量值的确定,阐述了辐射配电网新息图的形成,分析了辐射配电网中新息图法检测与辨识拓扑错误和不良数据时的新息特征。新息图法可以快速准确地对辐射配电网中的拓扑错误和不良数据进行检测与辨识,拓宽了算法的应用范围,便于电网的安全运行和管理。以上研究都通过了IEEE算例的验证,结果表明了本文所述方法的可行性和有效性,能够为实时电力系统提供一个可靠的数据库,为电力系统的安全、稳定运行提供保障。(本文来源于《湖北民族学院》期刊2018-06-30）
不良数据辨识论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力。然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题。为此,基于MNMR状态估计模型,采用杂交变异粒子群算法,提出一种基于图形处理器(GPU)并行加速的不良数据辨识算法。该算法不对MNMR模型进行近似等效,根据GPU并行计算架构特点,设计了粗粒度和细粒度结合的并行加速策略。算例结果表明,所提的算法对不良数据的误检率和漏检率较低,具有较好的不良数据辨识能力,且计算时间短,加速效率高,能够满足实际运行需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
不良数据辨识论文参考文献
[1].杜亮.基于最优路径的电网状态计算与不良数据辨识[J].电工电气.2019
[2].方睿,董树锋,唐坤杰,朱承治,裴湉.基于最大测点正常率与GPU并行加速的不良数据辨识方法[J].电力系统自动化.2019
[3].薄一平.基于数据挖掘的接触器电寿命不良数据检测辨识算法研究[D].沈阳工业大学.2019
[4].陆东生,马龙鹏.基于增广状态估计的混合不良数据诊断与参数辨识[J].电力工程技术.2019
[5].杜珣.基于自贡配网的不良数据辨识系统的设计与实现[D].电子科技大学.2019
[6].潘志敏,俞水琼,梁运华.基于深度学习网络的电力系统不良数据辨识算法研究[J].湖南电力.2018
[7].高金兰,康迪,雷星宇,朱佳丽.基于改进模糊聚类分析的电力系统不良数据辨识[J].电气自动化.2018
[8].周嘉伦,刘可一,刘晓伟.电力系统不良数据的检测与辨识算法研究——基于IEEE33含光伏系统仿真计算[J].农业科技与装备.2018
[9].钟建伟,刘佳芳,倪俊,吕静.改进新息图法在不良数据检测与辨识中的应用[J].电力系统及其自动化学报.2018
[10].刘佳芳.配电网不良数据检测与辨识的改进新息图法研究[D].湖北民族学院.2018
论文知识图
