| 【中文题名】 | 电力系统暂态稳定评估的关联规则挖掘 |
| 【英文题名】 | Association Rules Mining of Power System Transient Stability Assessment |
| 【学科专业】 | 电力系统及其自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-21 |
| 【中关键词】 | 暂态稳定评估,关联规则,数据预处理,FCM,k-means,熵 |
| 【英关键词】 | Transient stability assessment,Association rules,Data preprocess,FCM,K-means,Entroy,Disretization,Multidimension, |
| 【分类导航】 | 工业技术>电工技术>输配电工程、电力网及电力系统>理论与分析>电力系统稳定> |
| 【论文摘要】 |
数据挖掘技术是近年来人工智能领域研究的热门课题，它可以从大量的、不完全的、有噪声的数据中提取隐含其中的有用信息。与面向经典理论的暂态稳定评估方法相比，数据挖掘在对潜在问题的发现和规律的预见性以及计算效率等方面能体现出优越性。首先“对数据整体特征的描述及对其发展趋势的预测”正是数据挖据的特点所在。其次，数据挖掘只需要输入一定的参数，不需要对模型的完整描述就可以挖掘出综合的“知识”，而不是抽象的数据结果，可提高实时决策的效率。关联规则挖掘是数据挖掘的最重要技术之一，可找出满足给定支持度阀值和置信度阀值下数据集中不同数据属性之间所存在的潜在关系规则。本文尝试将数据挖掘关联规则技术应用于电力系统暂态稳定评估中。
本文根据IEEE16机系统进行暂态稳定仿真，由于数据为量化多维数据，对其进行关联规则挖掘的主要难点之一就是将连续数值属性离散化。本文首先对经典k-means算法和模糊聚类FCM算法比较分析，确定聚类个数并选择采用效果较好的FCM算法进行聚类找出候选离散断点，再结合信息熵理论确定最终离散断点，将连续数据离散化到各个离散区间中，然后把离散化区间映射为连续的数字标识。其次，关联规则挖掘通常都是针对... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
第1章 绪论 |
8-20 |
|
1.1 电力系统暂态稳定评估的研究现状 |
8-12 |
|
1.2 数据挖掘概述 |
12-16 |
|
1.2.1 数据挖掘产生背景及定义 |
12-14 |
|
1.2.2 数据挖掘的应用领域 |
14-16 |
|
1.2.2.1 主要应用领域 |
14-15 |
|
1.2.2.2 在电力系统中的应用 |
15-16 |
|
1.3 基于数据挖掘的暂态稳定评估方法综述 |
16-19 |
|
1.4 本文主要工作 |
19-20 |
|
第2章 本课题相关数据挖掘技术 |
20-35 |
|
2.1 聚类分析 |
20-27 |
|
2.1.1 聚类概述 |
20-22 |
|
2.1.2 本文采用的聚类算法 |
22-27 |
|
2.2 信息熵及信息增益 |
27-28 |
|
2.3 关联规则 |
28-35 |
|
2.3.1 关联规则概述 |
28-29 |
|
2.3.2 关联规则Apriori经典挖掘算法 |
29-32 |
|
2.3.3 基于Apriori的多维关联规则算法 |
32-35 |
|
第3章 暂态稳定评估的数据挖掘预处理 |
35-57 |
|
3.1 数据预处理概述 |
35-36 |
|
3.2 IEEE16机数据选取 |
36-43 |
|
3.2.1 数据选择原则 |
36-37 |
|
3.2.2 数据描述 |
37-42 |
|
3.2.3 基于暂态稳定评估的数据选取 |
42-43 |
|
3.3 数据清理 |
43-44 |
|
3.4 数据集成和变换 |
44-48 |
|
3.4.1 数据集成 |
44 |
|
3.4.2 数据变换 |
44-48 |
|
3.5 数据离散化 |
48-57 |
|
3.5.1 数据离散化概述 |
48 |
|
3.5.2 相关离散化算法 |
48-51 |
|
3.5.3 基于聚类和信息熵的属性离散化 |
51-53 |
|
3.5.4 IEEE16机数据离散化 |
53-57 |
|
3.5.4.1 聚类产生候选离散断点 |
53-55 |
|
3.5.4.2 基于熵的属性离散化 |
55-56 |
|
3.5.4.3 离散区间整数化 |
56-57 |
|
第4章 暂态稳定评估的关联规则挖掘 |
57-69 |
|
4.1 关联规则阀值设定 |
57 |
|
4.2 IEEE16机关联规则挖掘 |
57-64 |
|
4.2.1 置信度100%的规则挖掘 |
58-60 |
|
4.2.2 最低阀值设置下的规则挖掘 |
60-62 |
|
4.2.3 特征属性与分类属性间的规则挖掘 |
62-64 |
|
4.3 暂态稳定评估关联规则及分析 |
64-69 |
|
4.3.1 特征属性间的关联规则 |
64-66 |
|
4.3.2 特征属性与类属性间的关联规则 |
66-69 |
|
结论 |
69-71 |
|
致谢 |
71-72 |
|
参考文献 |
72-76 |
|
攻读硕士学位期间发表的论文及参加的科研项目 |
76 |
|
| 【DOI】 | LunWen.ID:2.2008.360436 |
