[发明专利]一种基于模糊聚类的同调发电机识别方法

权利要求书

1.一种基于模糊聚类的同调发电机识别方法，其特征在于，包括如下步骤：

1)从广域测量系统中获得发电机的频率轨迹曲线；具体如下：

将从广域测量系统中得到的发电机转子频率轨迹整理为以下形式

式中：N_gen是发电机的个数，T是时间窗口的长度，是包含T个采样时间和N_gen个发电机轨迹的矩阵；

2)使用模糊聚类法对频率轨迹曲线采用不同的聚类数分别进行聚类；其中使用模糊聚类法对轨迹曲线进行聚类，具体如下：

FCM的目标是将N_gen个发电机划分到个K类(2≤K≤N_gen)中并得到它们的K个聚类中心c₁,c₂,…,c_K,其中c_k＝(c_k,1,c_k,2,…,c_k,T),k＝1,2,…,K；同调发电组可以通过最小化聚类中心到每个发电机的加权平方距离之和来确定，即

式中：是隶属度矩阵，d_ki＝||ζ_i-c_k||,C＝(c₁,c₂,…,c_K)^T,0≤u_ki≤1，求解上式所表示的优化问题的步骤如下：

步骤1：形成初始隶属度矩阵，令迭代次数l＝1，参数α＝2，误差阈值ε＝10^-5；

步骤2：计算第l次迭代的聚类中心

步骤3：更新隶属度矩阵U^(l)，计算目标函数当前的数值

式中：

步骤4：如果输出最终的隶属度矩阵U，并终止迭代；否则，回到步骤2；

结束上述步骤之后，同调机群即可以根据U进行辨识，如果则发电机i被分类到第k个机群；

3)根据每次聚类结果的F统计量确定出最佳聚类数，从而确定发电机的同调分群结果；具体如下：

利用数学统计理论中的F统计量来确定FCM算法中的K值，FCM的F统计量可以定义为

式中：是第k个同调机群中的发电机个数；和分别是所有发电机和在第k个同调机群中的发电机在t时刻的频率平均值，即和分别是在第k个同调机群中的发电机i和j在第t时刻的频率；FCM的F统计量服从自由度为K-1和N_gen-K的F分布，取最大的F统计量对应的K值为最佳聚类数，从而根据第2)步的结果即可确定最佳的同调机群。