文献类型：期刊文章

作　　者：吴军基[1] 杨伟[1] 葛成[2] 赵彤[3]

机构地区：[1]南京理工大学动力工程学院,江苏省南京市210094 [2]安徽电力设计院,安徽省合肥市230022 [3]江苏电力公司,江苏省南京市210024

出　　处：《中国电机工程学报》

年　　份：2006

卷　　号：26

期　　号：22

起止页码：23-28

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：在分析GSA(gap statistic algorithm)数据挖掘技术应用于电力系统不良数据辨识的基础上,提出一种判断最佳聚类个数的肘形判据,该判据通过分析数据集的聚类离散度与聚类个数k的关系,按照各个k点的聚类离散度计算k处的肘形折角,并以最小肘形折角判断最佳聚类个数。将该判据与GSA相结合用于电力系统不良数据辨识。仿真结果表明:该方法不仅可以避免状态估计方法辨识的残差污染和残差淹没现象,而且可以克服单纯GSA辨识法在计算速度和辨识准确性方面的缺陷。对于大系统、数据量巨大的情况,该方法是一种快速高效的算法,具有很好的应用前景。

关 键 词：电力系统 不良数据辨识 肘形判据  间隙统计算法  数据挖掘 聚类分析

分 类 号：TM77]