基于μPMU的智能配电网预想故障集组合筛选方法

智能配电网预想故障集筛选是系统安全态势评估的重要基础。为了全面精准感知智能配电网的安全风险，引入具有实时性、同步性、准确性和量测数据全面性的微型同步相量测量单元（μPMU），提出一种基于其高密集采样数据的融合类内与类间距离的加权K-means聚类方法（KICIC）和云理论的预想故障集组合筛选排序方法。首先遍历智能配电网各节点发生各故障类型的场景构建故障数据集；然后采用KICIC算法进行故障数据集聚类分析，进而基于云模型的云数字特征客观量化评估故障类严重度不确定性的危害并输出预想故障集；最后算例结果表明：融合KICIC聚类和云模型的预想故障集组合筛选排序方法从数据挖掘层面实现高风险预想故障集的可靠筛选。