Entwicklung regelbasierter Klassifizierer zur schnellen Stabilitätsbewertung von großflächigen Aufzeichnungen nach Störungen

Das Papier schlägt ein systematisches Schema zur Erstellung kompakter und transparenter, unscharf regelbasierter Klassifizierer für eine schnelle Stabilitätsbewertung vor; die Klassifizierer werden durch große präzise Entscheidungsbäume (DBs) initialisiert. Der Ansatz beginnt mit der Auswahl strategischer Überwachungsbussen, an denen Phasormessgeräte (PMUs) platziert werden, um großflächige Antwortsignale in Echtzeit zu erfassen. Diese Messungen werden im Zeit- und Frequenzbereich verarbeitet, um ausgewählte Entscheidungsmerkmale wie die maximale spektrale Dichte des Winkels, der Frequenz und ihr Skalarprodukt über die Netzbereiche zu extrahieren. Diese sogenannten großflächigen Schwereindizes (WASI) sind zuverlässige zeitvariable Stabilitätsindikatoren, die die Grundlage für ein effektives Klassifizierungssystem bilden. Große DBs werden verwendet, um anfängliche präzise Klassifikationsgrenzen für die Entscheidungsfindung bereits 1 s oder 2 s nach der Fehlerbehebung zu generieren. Aus den Klassifikationsgrenzen der DB werden unscharfe Mitgliedsfunktionen (MFs) entwickelt, und die entsprechende unscharfe Regelbasis wird sparsam formuliert, indem redundante MFs und Regeln unter Verwendung eines Ähnlichkeitsmaßes eliminiert werden. Die resultierenden unscharfen Regelklassifizierer werden erfolgreich für systemweite und bereichsspezifische Kontingenzen getestet, basierend auf einer großen Datenbank detaillierter Simulationen des Hydro-Quebec-Netzes und weiter durch tatsächliche Messungen bestätigt, die mit bestehenden großflächigen Messungen (WAMS) aufgezeichnet wurden.