[发明专利]一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法

权利要求书

1.一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，其特征在于，包括下列步骤：

1)获取配电网故障时数据、配电网正常运行时数据以及PMU装置的高密度量测数据；

2)基于步骤1)得到的各项数据，获取故障后全网各节点电压相量与全网各节点正常运行时标准电压相量的差，将二者的差值生成被聚类数据集，并将该聚类数据集作为初始聚类数据集；

3)采用KFCM聚类算法对初始聚类数据集进行聚类划分；

4)对聚类划分的结果进行聚类有效性分析，确定每种故障类；

5)对各种故障类进行故障类严重度分析，获取各故障类的严重度指标；

6)按故障类严重度指划分相应的故障类，完成预想故障集初步筛选；

7)采用云理论对步骤6)所得初筛故障类簇下各故障类严重度进行排序分析；

8)输出最终的预想事故集筛选和排序结果。

2.根据权利要求1所述的基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，其特征在于，步骤3)具体包括下列步骤：

31)确定需要对所有故障聚类的最大故障类数K_max和初始聚类数k；

32)计算初始聚类数k下初始聚类中心与隶属度；

33)根据聚类数据集，获取聚类目标函数；

34)利用聚类目标函数计算迭代过程中相应的隶属度μ_ij与聚类中心c_j；

35)若迭代更新至聚类目标函数最小，则完成初步聚类划分，进入步骤4)，否则返回步骤33)。

3.根据权利要求2所述的基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，其特征在于，步骤32)的具体内容为：

假设C＝{C₁,C₂,……,C_k}为原始数据集聚类后得到的k个类簇，n为原始数据集的数据个数，C₁,C₂,……,C_k对应的聚类中心为且假设μ_ij为第i个数据对象对应第j类簇的隶属度，即第i个数据对象对应第j类簇的隶属程度，则由隶属度定义得到隶属度性质满足下述公式：

μ_ij∈[0,1]

4.根据权利要求3所述的基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，其特征在于，步骤33)中，聚类目标函数的表达式为：

式中，b为模糊系数。

5.根据权利要求4所述的基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，其特征在于，步骤34)中，利用聚类目标函数计算迭代过程中相应的隶属度μ_ij与聚类中心c_j的迭代公式为：

6.根据权利要求3所述的基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，其特征在于，步骤4)的具体内容为：

41)基于几何结构对聚类划分的结果构建紧凑性指标V_ar与分散性指标S_ep；

42)在紧凑性指标V_ar与分散性指标S_ep的基础上构建聚类有效性综合指标；

43)令k＝k+1；

44)判断是否满足kK_max，其中K_max最大故障类数，若是则进入步骤5)，否者返回步骤32)；

45)输出各种聚类下聚类有效性综合指标最小时确定输出聚类中心，确定每种故障类。

7.根据权利要求6所述的基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，其特征在于，聚类划分的结果构建紧凑性指标V_ar与分散性指标S_ep的计算式为：