基于数据挖掘的电力系统不良数据检测辨识与修正
电力网络中大量实时数据的准确与否决定着电力系统运行的安全与稳定。为了确保电力系统运行的安全与稳定，就必须对电力系统中的不良数据进行检测辨识和修正。论文利用数据挖掘方法中的神经网络、聚类分析以及基于间隙统计算法(GSA)的肘形判据来实现不良数据的检测辨识与修正。首先利用神经网络对数据进行预处理；其次利用基于间隙统计算法(GSA)的肘形判据方法自动判断最佳聚类个数，实现了不良数据的检测；然后利用得到的最佳聚类个数以及聚类分析方法实现不良数据的辨识；最后再利用神经网络方法进行不良数据修正。利用从江苏省电力公司采集来的实时数据进行了仿真，仿真过程简单易行、仿真结果准确，成功实现了不良数据的检测辨识与修正。
电力系统 不良数据 间隙统计算法 人工神经网络 聚类分析 肘形判据 数据挖掘
叶学勇 吴军基 杨伟 张俊芳
南京理工大学动力学院,江苏南京,210094
国内会议
南京
中文
1092-1096
2006-10-01（万方平台首次上网日期，不代表论文的发表时间）