基于数据挖掘技术的电压监测管理系统的应用研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 A Thesis Submitted in Fulfillment of the Requirements for the Degree of Master of Engineering Research on data mining application of voltage monitoring and controlling system Submitted by HanYuan-yuan Supervised by Associate Professor Yan Ren-wu Jiangsu University of Science and Technology March, 2014 江苏科技大学工程硕士学位论文 江苏科技大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含 任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重 要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声 明的法律结果由本人承担。 学位论文作者签名： 年 月 日 IV 江苏科技大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权江苏科技大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于： (1)必威体育官网网址□，在 年解密后适用本授权书。 (2)不必威体育官网网址□。 学位论文作者签名： 指导教师签名： 年 月 日 年 月 日 摘 摘 要 摘 要 近年来，由于电力系统工业控制中新增加了大量的电容器组、居民用电系统中所 增加的一些非线性负荷和各种灵敏设备；加剧了电力系统中电压谐波的畸变程度，这 将会对电网的安全运行造成严重的后果，因此本文针对这些问题，研究了基于数据挖 掘技术的电压监测管理系统。 首先，利用 BP 神经网络、Adaline ANN 、Hanning FFT、FFT-Adaline 算法对电力 系统中的谐波信号进行测试，实验结果表明 BP 神经网络算法可以准确的监测谐波的 频率、幅值及相位。 其次，分析了 BP 神经网络算法的局限性，通过改进粒子群算法来优化 BP 神经网 络，与传统粒子群优化 BP 神经网络算法以及标准 BP 神经网络算法相比较，最终得出 改进的粒子群优化 BP 神经网络算法要优于其它算法，而且将其用于电力系统的谐波 监测具有收敛速度快、精确度高等优点。 最后，本文将研究的改进粒子群优化 BP 神经网络算法应用于电压监测管理系统 中的电压谐波数据监测中；该系统以 Netbeans 为开发工具，采用 J2EE 开发技术，利 用 MVC 的开发模式和 SQL Server2005 为系统后台数据库；设计并实现了电压监测管 理系统，该系统能实时地监测电网中电压和谐波的运行数据。最终，通过概率统计分 析方法来分析电网的电压质量，从结果中可以观测出电网的电压合格率。这有助于电 网调度人员和电力系统决策者对电网的运行状态进行合理的分析决策，从而有利于电 网安全、合理、经济的运行。 关键词 数据挖掘；电压监测管理系统；概率统计；BP 神经网络；粒子群算法 I 江苏科技大学工程硕士学位论文 江苏科技大学工程硕士学位论文 II Ab Abstract Abstract In recent years, an increasing number of capacitor banks are required in industrial processes; meanwhile, a large number of nonlinear loads and all kinds of sensitive devices are added in residential electricity.This will aggravate the harmonic distortion degree of the power system, which will cause serious consequences to the secure operation of the grid.Aiming at this situation, this paper researches voltage monitoring and controlling system based on data mining technology. At first, the harmonic signal in the power