基于信息熵分段聚合近似和谱聚类的负荷分类方法

居民和商业负荷参与需求响应项目时,负荷数据日趋多维化和海量化,需要对其进行降维分类处理。提出一种基于信息熵分段聚合近似(information entropy piecewise aggregate approximation,IEPAA)和谱聚类的负荷分类方法。首先采用IEPAA对典型日负荷数据集进行可变时间分辨率重表达,进一步采用基于距离和曲线形态的双尺度相似性度量谱聚类算法进行聚类处理,从而获得合理的负荷分类结果。利用商业办公楼宇中央空调机组的典型日负荷数据对所提方法进行了验证,表明该方法在数据降维、负荷分类有效性、稳定性和降低运算量等方面均具有优势。

基于差分和变换的电力电缆故障行波定位方法

针对电力电缆行波定位法中难以准确检测含噪行波的问题,提出了一种基于差分和变换的电缆故障行波定位方法。对故障行波进行前后向差分运算,得到行波差分和信号,无需对行波信号进行降噪处理;利用奇异值分解和自适应阈值量化处理以滤除行波差分和信号中的背景噪声,从而准确检测故障行波的奇异值时刻;采用两端测距法实现电缆故障的精确在线定位。最后通过仿真模型验证了所提方法的有效性和优越性。