同調(diào)機(jī)群識(shí)別

《同調(diào)機(jī)群識(shí)別》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第32卷電網(wǎng)技術(shù)Vol.32No.12008年1月PowerSystemTechnologyJun.2001文章編號(hào)：1000-3673（2004）00-0000-00中圖分類號(hào)：TM文獻(xiàn)標(biāo)識(shí)碼：A學(xué)科代碼：470。0000基于A-K網(wǎng)絡(luò)模型的模糊聚類同調(diào)機(jī)群識(shí)別劉絢1，文俊2，劉天琪1（1.四川大學(xué)電氣信息學(xué)院，四川成都610065:2.重慶電力公司沙坪壩供電局，重慶，400030）AfuzzyclusteringmethodbasedonA-KnetworkstorecognizecoherentgeneratorgroupsLiuXuan,WenJun,LiuTi

2、anqi(SchoolofElectricalInformation,SichuanUniversity,Chengdu610065,China)ABSTRACT:AcoherentgroupsrecognitionmethodusingfuzzyclusteringmethodbasedonA-Knetworksisproposed.Firstly,afuzzysimilaritymatrixisformedbyapplyingmaxmum-minmumalgorithm.ThentraintheA-Knetworkswitheachrowofthefuzzysimi

3、laritymatrixasinputs.Thenervesofoutputlayerwhichwinultimatlyrepresentdifferentdynamicstyles.Finally,itistestedontheEPRI-36busmodelofPSASP.TheresultsbasedonA-KfuzzymethodaremoresimilartotheresultsbasedontimesimulationcomparedtoA-Kmethod,whicharenotmisajudgments.Moreover,A-Kfuzzymethodcani

4、dentifycoherentgeneratorgroupsingreatertimerange.KEYWORDS:powersystem;A-Knetworks;fuzzyclustering;coherentgeneratorgroups;coherencyidentification摘要:給出了一種利用基于融合ART和Kohonen網(wǎng)絡(luò)基本思想的自組織神經(jīng)網(wǎng)絡(luò)(簡稱A—K網(wǎng)絡(luò))的模糊聚類方法識(shí)別電力系統(tǒng)同調(diào)機(jī)群的算法.首先對輸入數(shù)據(jù)進(jìn)行模糊預(yù)處理，即采用最大-最小法建立能夠反映發(fā)電機(jī)組間同調(diào)程度的模糊相似矩陣;然后將其每行或每列輸入A-K網(wǎng)絡(luò)模型進(jìn)行訓(xùn)基金項(xiàng)目：國

5、家自然科學(xué)基金（50595412）。ProjectSupportedbyNationalNaturalScienceFoundationofChina(50595412).練,最終競爭獲勝的輸出層神經(jīng)元代表不同的動(dòng)態(tài)類型,即不同的同調(diào)發(fā)電機(jī)組.最后在EPRI-36節(jié)點(diǎn)系統(tǒng)上分別對A-K法和A-K模糊聚類法進(jìn)行了仿真計(jì)算，結(jié)果表明A-K模糊聚類法的識(shí)別結(jié)果比A-K法更加接近基于時(shí)域仿真的結(jié)果，沒有出現(xiàn)誤判，并且相比A-K法能在更大時(shí)間范圍內(nèi)對同調(diào)機(jī)群進(jìn)行準(zhǔn)確識(shí)別。關(guān)鍵詞:電力系統(tǒng);A-K網(wǎng)絡(luò);模糊聚類;同調(diào)機(jī)群;同調(diào)識(shí)別0引言電力系統(tǒng)同調(diào)機(jī)群的識(shí)別在電力系統(tǒng)動(dòng)態(tài)特性研究中

6、有著廣泛的應(yīng)用。發(fā)電機(jī)的同調(diào)是指在系統(tǒng)受到擾動(dòng)后，發(fā)電機(jī)搖擺曲線具有相同的形式。同調(diào)機(jī)群的識(shí)別方法很多，最基本的方法是通過檢驗(yàn)發(fā)電機(jī)在受到擾動(dòng)后的搖擺曲線來判別同調(diào)[1];在此基礎(chǔ)上又發(fā)展了搖擺曲線聚合法[2]，慢同調(diào)分區(qū)法[3]，相關(guān)系數(shù)法[4],自組織映射法[5-7]，模糊相關(guān)自組織數(shù)據(jù)分析算法(ISODATA)[8，9]，模糊等價(jià)法[10]等。這些方法各有缺陷，如公式推倒復(fù)雜，計(jì)算量大，或著不能用于大系統(tǒng)等。其中模糊相關(guān)自組織數(shù)據(jù)分析算法(ISODATA)和模糊等價(jià)法屬于模糊聚類的方法。實(shí)際上，系統(tǒng)并不存在嚴(yán)格意義的同調(diào)，何種程度的動(dòng)態(tài)相似才算同調(diào)需要視研究的具體

7、問題而定.根據(jù)電力系統(tǒng)的這一特點(diǎn)，把模糊聚類應(yīng)用到同調(diào)識(shí)別有一定的優(yōu)勢。另外，同調(diào)機(jī)群的識(shí)別問題可以看作模式識(shí)別問題來處理。人工神經(jīng)網(wǎng)絡(luò)理論在處理非線性模式識(shí)別方面已表現(xiàn)出了很好的特性.文獻(xiàn)[6]和文獻(xiàn)[7]分別把Kohonen自組織神經(jīng)網(wǎng)絡(luò)和自適應(yīng)共振理論(ART)運(yùn)用到同調(diào)識(shí)別,但均存在需要預(yù)先給定網(wǎng)絡(luò)單元數(shù)目及其結(jié)構(gòu)形狀的不足.在此基礎(chǔ)上,文獻(xiàn)[11]提出融合ART和Kohonen網(wǎng)絡(luò)基本思想的自組織神經(jīng)網(wǎng)絡(luò)(簡稱A—K網(wǎng)絡(luò))實(shí)現(xiàn)水文資源的分類,它能在訓(xùn)練過程中動(dòng)態(tài)確定網(wǎng)絡(luò)結(jié)構(gòu)和輸出神經(jīng)元個(gè)數(shù),克服了上述不足.基于以上研究，本文探索