于燕平 林 涛

1(柳州铁道职业技术学院动力技术学院 广西 柳州 545616)2(武汉大学电气工程学院 湖北 武汉 430072)



基于分形特征提取的电能质量数据挖掘

于燕平1,2林 涛2

1(柳州铁道职业技术学院动力技术学院 广西 柳州 545616)2(武汉大学电气工程学院 湖北 武汉 430072)

发现“海量”监测数据中电能质量问题，并提取出有用信息，是电能质量有效治理的关键。将大数据挖掘技术应用于电能质量知识发现，8类电能质量数据先进行EMD分解，取前2阶IMF参数后结合分形理论分别求取计盒维、截距等10维特征参数。经泛化处理后，训练并生成了可靠的决策树，抽取出IF-THEN分类规则，用于电能质量问题预测。通过对比分析，分形参数较其他特征参数更有利于如振荡暂态、切痕、尖峰、闪变等电能质量问题分析，特别是对含噪电能质量的分析。结合大数据挖掘技术，不含噪和含噪信号的平均识别率分别提高了1.8%和4.1%。

数据挖掘 EMD分解 分形理论 决策树

0 引 言

现代工业技术的不断发展使得人们生活水平不断地提高，进而对电能质量和供电可靠性提出更严格的要求。近年来，世界各国为改善供电环境，都在积极地开发利用清洁、可再生能源。这些新能源并入原有的电力系统，会引起电压偏差、电压波动、闪变、谐波污染等一系列电能质量问题。如何有效地区分不同的电能质量问题，是提高电能质量的关键。

智能电网的深入建设，大量运营数据的积累，电力领域“数据大爆炸”的时代已经到来。面对每年数以千兆字节的海量数据，对数据的存储、分析和类型识别带来了巨大的挑战。……