基于t-SNE降维和放射传播聚类算法的低压配电网相位识别

智能电表的广泛普及和高级测量体系(advancedmeteringinfrastructure,AMI)的建立为分析配电网运行情况提供了大量监测信息与测量数据,而台区用户的相位信息变动又为准确掌握台区运行情况带来难题。针对台区用户的相位识别问题,提出了一种基于用户电压数据的t分布随机邻接嵌入(t-distributed stochastic neighbor embedding,t-SNE)特征提取及放射传播(affinity propagation,AP)聚类算法的相位识别方法。先对提取出的用户电压数据进行Z-score数据标准化处理,由t-SNE降维提取出数据特征,再采用放射传播聚类算法对用户进行相位识别。选取某市2个小区进行算例分析,采用评价指标比较了不同识别方法的识别效果,并分析了数据采集频率和计量误差对识别效果的影响。实际台区算例分析验证了所提方法的准确性,说明所提方法能够有效解决台区用户相位识别问题。

一种新的雷达信号实时分选方法

针对现有实时分选方法依赖滑动窗(单次处理脉冲数)的选取、分选效率低以及分选结果存在严重增批现象等缺陷,将脉冲串的接收视为数据流过程,从而设计了一种基于进化数据流聚类的雷达信号实时分选框架。该框架分为在线处理和离线分析两个阶段,通过引入时态密度特征避免了主观上对滑动窗长度的选取,并利用衰变检测和噪声点检测来提高在线聚类的效率。离线阶段通过对历史快照的分析可以判明雷达的活动情况,并将属于一部雷达的脉冲批组进行关联。仿真实验表明了该框架的有效性和可行性。