1、隨著信息技術的發(fā)展和電網數字化的進程，電力系統(tǒng)內采集、存儲、待分析的數據量急劇膨脹，然而利用數據庫查詢統(tǒng)計和傳統(tǒng)數據分析方法獲得的有價值信息卻很有限，因此討論如何從大規(guī)模、高維數據中提取出隱藏的模式和規(guī)則，為電力系統(tǒng)決策者提供決策支持具有重要的研究價值。
　　 數據挖掘技術正是在“海量數據”和“有限知識”的矛盾背景下快速發(fā)展，近年來得到各行業(yè)學者的廣泛重視。該技術綜合運用智能算法、模式識別、數理統(tǒng)計等理論，能夠發(fā)現隱含在大量數據

2、中、先前未知的、對決策有潛在價值的規(guī)律和知識。電力系統(tǒng)運行需要滿足安全、經濟和優(yōu)質性的要求，針對這三個基本要求，本文圍繞運行信息(節(jié)點電壓、有功功率)的數據挖掘進行了深入研究，完成了以下主要工作：
　　 (1)將相空間重構(PSR，Phase Space Reconstruction)方法引入電能質量研究領域，考慮電壓暫降、電壓瞬升、電壓中斷、脈沖、諧波及閃變六類擾動。利用相空間重構在相平面構造不同擾動的信號軌跡，并將其歸一化編

3、碼為二進制圖像。針對軌跡圖像，定義了最大鄰近距離、載體分量相似度、擾動覆蓋區(qū)域和平均幅度四項指標。分析和仿真結果表明，通過上述四項指標可以有效地提取不同擾動的特性，為電能質量分析提供了新思路。
　　 (2)本文的第一個數據挖掘任務是針對電網運行的優(yōu)質性要求。對于PSR提取出的特性矢量，進一步構建支持向量機分類器對電能質量擾動事件進行分類研究。分類對象包括短期擾動(暫降、瞬升)和長期擾動(諧波、閃變)兩兩疊加的電能質量問題以及相應

4、的單一擾動，結果顯示該方法可以有效識別不同的擾動類型，為改善電能質量措施提供依據。研究中同樣設計了基于小波變換和人工神經網絡的分類方案，通過對比實驗顯示了本文所提基于相空間重構和支持向量機的分類系統(tǒng)的優(yōu)越性。
　　 (3)電力用戶負荷曲線的聚類是形成合理電價體系和實施負荷管理措施的基礎。本文的第二個數據挖掘任務是基于自組織映射(SOM，Self-Organizing Map)神經網絡進行低壓終端用戶的負荷曲線聚類研究。首先定義并

5、提取功率曲線、分時功率、功率頻譜三類向量，分別作為SOM神經網絡的輸入進行可視化聚類。采用相對量化誤差和拓撲誤差兩個指標表征聚類質量，選取聚類結果最好的SOM輸出層結合k-均值法進行用戶負荷曲線劃分。根據Davies指標將本文研究的杭州地區(qū)終端用戶的131條日負荷曲線劃分為八類，對每類曲線進行描述。最后進行新用戶的識別，結果表明該基于SOM神經網絡的聚類方法有效可靠，可以為提高電網運行的經濟性提供有價值的知識。
　　 (4)電力

6、系統(tǒng)運行信息的第三個數據挖掘研究是建立電網安全性評估的決策樹規(guī)則。研究對象包括美國西部WSCC三機九節(jié)點簡化模型和浙江地區(qū)某實際電網模型。該研究有兩個目標，首先通過決策樹算法實現故障前電網穩(wěn)態(tài)運行參數和電網承受故障能力間的映射，為調度人員提供輔助的快速安全評估規(guī)則；其次在有無電壓相角參數下分別生成決策樹，通過對比兩者的性能，驗證相角測量單元PMU的作用。研究結果表明，決策樹算法對于電網安全狀態(tài)可以達到96.5％的識別精度，此外PMU的合