林谷烨, 黄振琳, 杨宸瑄

(1.华南理工大学 电力学院，广东 广州 510641；2.广东电网有限责任公司 电力科学研究院，广东 广州 510062)

0 引 言

电力系统中同调机群的识别在电力系统动态特性研究中有着广泛的应用[1]1。正确识别同调机群对于研究电力系统稳定性具有重要意义。同调识别的方法大体上可以分为基于模型参数的方法和基于发电机功角曲线的数据挖掘法[2]。

目前研究发现同调机群划分准则具有一定的模糊性和不确定性，根据这一特性将模糊聚类引入同调机群的识别具有一定优势[3]。文献[1]2将自组织神经网络与模糊聚类相结合来进行发电机同调机群的识别，需要读取发电机故障时持续的功角变化以及切除时刻的动能作为特征输入进行样本训练。文献[4]用系统机电距离作为聚类的量化指标。以上方法应用模糊聚类进行同调机群的识别已经取得较好的效果，但并没有探究扰动会对分群方式有什么影响。

为了改进同调分群方式，本文先用文献[5]的建模方法形成同调模糊集，再应用模糊聚类法进行同调分群。接着从发电机模型上分析扰动对分群结果影响，并在IEEE 39节点上进行试验，验证该结论。

1 发电机同调聚类模型的建立

1.1 模糊聚类原理介绍

聚类分析是按照某种标准对事物进行分类的数学方法。即：

设有n个事物的总体(论域X):

X={x1,x2,x3,x4,…，xj,…,xn}

(1)

式中：xj为第j个事物的特征。

每个事物抽取s个特征:

xj={xj1,…，xjk,…,xjs},(j=1,…,n)

(2)

式中：xjk为第j个事物的第k个特征的观测值。聚类问题就是按某种标准来鉴别事物之间的接近程度,并把彼此接近的事物归为一类[6]87。……