暂降

基于DBSCAN算法的电压暂降同源性检测

摘要：高科技制造业中使用的逆变器、交流接触器等设备对电压暂降十分敏感，电压暂降可能造成设备故障、生产中断、数据丢失、敏感设备损坏、能源供应不稳定等。一次短路故障可能触发多个电能质量监测装置记录电压暂降波形，电压暂降数据冗余问题严重影响数据应用。因此识别电压暂降源对于科学合理评估区域电网电压暂降严重程度具有重要意义。因此本文提出了一种基于DBSCAN算法的电压暂降源识别算法。通过采用合适的特征工程，选取三维聚类特征，再通过迭代方法选取合适的聚类算法参数进行聚类，最后通过6个聚类评价指标评估算法效果。利用某省电力公司提供的数据在jupyter notebook编程平台上进行实验，最终结果证明了所提算法的有效性。关键词：电压暂降 聚类 DBSCAN 电压暂降同源性检测 1.引言 电压暂降造成微电子、智能控制等精密加工行业的生产中断，给用户带来巨大的经济损失，成为投诉最多的电能质量问题[1]，[2]。一次短路故障可能触发多个电能质量监测装置记录电压暂降波形。电压暂降数据的冗余严重影响数据应用[3]，[4]，并可能导致对区域电网电压暂降严重程度的高估[5]。同时，对同一电压暂降源引起的多条数据进行重复分析会增加计算强度和复杂度。将多次电压暂降事件识别为同一电压暂降源是电能质量监测领域亟待解决的问题。识别出同一电压暂降源可以减少电网电能质量监测系统的数据冗余，避免对区域电能质量水平做出高估。它是明确区域电网电能质量水平的必要前提，对于科学合理评估区域电网电压暂降严重程度具有重要意义。电压暂降源识别就是对短时间内监测到的多个电压暂降数据进行分类，将同一电压暂降源引发的电压暂降监测数据归为一类。近年来，国内外对电压暂降源进行了大量研究，现有的研究主要包括特征提取与选择[6]、数据挖掘与机器学习算法[7]，[8], [9], 算法融合与集成 [10]。综上所述, 本文提出了一种基于 DBSCAN 算法的同源性识别方法, 并使用某省电力公司提供的 10049 条临时掉电数据进行了聚类实验。最后对聚类结果进行了 6 个聚类评价指标的评估, 证明了该方法的准确性和有效性