基于GSA的電力系統不良數據辨識方法研究

　　現代電力系統中，數據質量直接影響電力系統的安全、穩定運行。論文在分析基于GSA的數據挖掘技術的基礎上，將之應用于電力系統不良數據辨識。通過大量的仿真發現了方法的不足，提出了一種估計聚類個數的新判據：基于GSA的肘形判據，并將之用于電力系統不良數據辨識。基于GSA的肘形判據是一種判斷最合適聚類個數的技術，在電力系統不良數據辨識中，首先通過BP神經網絡對原始量測數據進行測試，將所得結果進行聚類，然后利用基于GSA的肘形判據判斷最佳的聚類個數，它比原GSA方法更準確快速地判斷聚類個數，最后將不良數據和良好數據的聚類區分開來。論文對江蘇電網局部實時量測值進行仿真分析，結果表明，對各種不同情況的不良數據，基于GSA的肘形判據可以有效準確地對不良數據進行辨識。