基于MFCC特征与GMM的输电线路渉鸟故障相关鸟种智能识别

鸟类的频繁活动严重影响输电线路的安全运行,为实现渉鸟故障的差异化防治,提出了一种基于鸣声信号Mel频率倒谱系数(MFCC)和高斯混合模型(GMM)的鸟种识别方法。以引起渉鸟故障的16种典型鸟类为对象,建立其鸣声信号数据库,并对鸟鸣信号进行筛选和裁剪处理,提取其MFCC特征参数。建立GMM分类识别模型,随机选取640个训练样本的MFCC特征参数作为输入量,对模型进行训练,并识别320个测试样本,16种鸟类的识别准确率在80.0%～96.7%。研究结果可为运维人员正确识别输电线路附近鸟种并进行精准化防治提供参考,有助于降低渉鸟故障发生率。     

架空输电线路鸟害防治措施研究现状及展望

鸟害是威胁架空输电线路安全稳定运行的重要因素之一。全面分析和评价应用于国内外输电线路的鸟害故障防治措施,提出了应重视鸟害防治工作、借鉴其他学科研究成果、建立引鸟、驱鸟、防鸟三位一体的鸟害防治体系,绘制鸟害等级区划图等建议,以期为提高电网的安全可靠性、防治鸟害故障提供参考。     

光伏电站直流输电线路早期绝缘故障识别与定位

直流输电线路发生早期绝缘故障时电流波动小、故障现象不明显，难以快速识别以采取保护措施，光伏电站线路拓扑结构复杂，不易准确定位故障发生位置。该文提出一种连续小波变换和混合神经网络模型结合的方法，可在尽可能短的时间完成故障识别与定位。该方法首先利用连续小波变换对暂态零模电流信号提取二维时频矩阵特征，压缩为彩色图像；然后，将图像送入神经网络模型中进行训练。该混合神经网络模型通过结合卷积神经网络和门控循环单元，提高识别精度并减少训练时间。最后，为验证本方法的优势，在高噪声环境下选取4条直流输电线路分别进行4种时频分析方法、3种神经网络模型仿真对比后，又对早期绝缘故障单独进行识别仿真试验，结果表明该方法可有效识别出早期绝缘故障并定位至发生线路，且具有较强的抗噪能力。     

35kV架空输电线路防鸟类筑巢的研究

鸟类在架空线路上筑巢是危害35kV输电线路安全运行的重要隐患之一。本文从实践中分析了鸟类筑巢的习性特点,针对供电公司管辖的35kV架空线路,提出了防治此类问题的新技术和管理方法,为提高电网安全水平,防止线路由鸟巢引起短路接地故障提供参考。     

基于多源数据融合技术的输电线路故障定位方法

鉴于现有输电线路故障定位算法的定位结果各不相同影响到电力系统基于故障的快速恢复问题的分析,根据两端距离继电器的多源故障测距结果,提出了一种提高输电线路故障测距精度的新方法,该方法将两端定位结果与故障位置相互关联,据此建立基于多传感器数据融合的输电线路故障测距模型,该模型将模糊推理系统作为故障场景识别的初始融合步骤,并计算加权协方差融合(WWCF)系数,确定最终融合结果。最后利用PSCAD/EMTDC和变电站现场记录数据进行算例分析,针对不同故障类型、故障位置、故障电阻、故障起始角、潮流、线路参数和两端不同步角进行测试,结果证明所提方法的可行性和有效性。     

基于CBAM-FCN的高压输电线路发展性故障识别方法

高压输电线路的发展性故障往往受运行状态和故障发展过程的影响,给故障甄别和保护决策造成困难。为了准确识别高压输电线路的发展性故障,保证继电保护装置动作的正确性,将全卷积神经网络（fully convolutional network, FCN）与卷积注意力模块（convolutional block attention module, CBAM）相结合,提出一种基于CBAM-FCN的发展性故障识别方法,通过在传统全卷积网络中引入CBAM模块,使神经网络能够聚焦于故障波形的突变、幅值等重要特征,忽略无关干扰。此外,所提方法能够输出表征故障状态变化的一维时序序列,实现对输电线路发展性故障的全过程识别。最后大量仿真验证了所提方法的抗噪性能和泛化能力,并通过可视化技术展示了网络模型的可解释性。     

江西电网涉鸟故障分析及防范

为分析江西电网涉鸟故障原因及规律,通过统计2009~2016年涉鸟故障,发现涉鸟故障主要发生在农田或邻近水源低海拔地区,4~7月为涉鸟故障发生的高峰期,且鸟巢类故障主要发生在凌晨和早晨,而鸟粪类故障主要发生在夜间至凌晨。同时,涉鸟故障发生的概率还与杆塔的电压等级、杆塔结构型式、排列方式、相别和天气有关。为更好地防范涉鸟故障的发生,综合考虑鸟类分布、人类干扰度、地理环境和运行经验等要素,提出了涉鸟故障差异化防治措施。研究成果对于降低涉鸟故障率,保障电网安全运行有重要意义。     

基于SVM-PSO的电网设备早期故障分类方法

电压暂降通常是电力系统因设备故障等原因导致永久性或早期故障的典型特征,早期故障可能会在首次发生后逐渐发展为永久性故障。提出了一种基于粒子群优化和支持向量机的早期故障分类方法。首先,利用基于Kullback-Leibler散度的检测机制来识别早期故障对应的电压波性数据,结合S变换等信号处理方法来进行特征提取。然后,采用邻域成分分析方法选择与Kullback-Leibler散度、S变换、香农熵及形状因子相关的7个不同特征,以满足对分类方法有效性的数值评估,再结合粒子群优化的支持向量机的方法提出了一种早期故障分类方法。最后,与反向传播神经网络、K最近邻这2种方法相比,平均分类精度分别提高了9.15%、13.7%,表明了所提方法在早期故障分类中的有效性,可作为输电网络中主要电力设备状态监测的有效工具。     

基于高斯核模糊C均值聚类的光伏阵列故障诊断方法

光伏阵列故障诊断过程中传统的故障特征量难以区分特征相似的单故障和多重故障情况,而实际诊断中外场实验采集到的数据也含有较强的噪声,从而导致故障诊断准确率下降。针对这一问题,提出由一个新的特征向量对不同故障进行表征,该特征向量包含:归一化电压Vnorm、归一化电流Inorm、填充因子FF共3个特征量,并利用这3个特征量采用高斯核模糊C均值聚类(GKFCM)方法对光伏阵列中8种故障进行故障识别的方法。这3种故障特征量的结合可有效减少外界气象条件对故障识别的影响;由于GKFCM对复杂数据集具有良好的聚类性能,在复杂环境下不同故障类的识别过程中可有效提高识别准确率。该算法分为训练和测试阶段,在训练阶段对训练集中故障数据利用3个特征量构成的特征向量进行表征并聚类获取类心,在故障识别阶段新故障数据利用同样的方法获得聚类类心并与训练阶段获得的各类故障类心进行相似度计算,从而实现故障分类和新故障的识别。该方法不仅可诊断单故障情况,也可识别多重故障情况,具有较强的抗干扰能力。最后通过仿真及实验证明该方法可有效诊断光伏阵列中的常见故障。     

输电线路的雷电识别研究

针对雷电干扰问题,提出了一种输电线路的雷电识别新算法。该方法依据轻型雷击、重型雷击及短路故障的不同暂态波形特征,构造复合识别判据。其一,利用电流行波首波面积比值特征量构成识别短路故障与雷击的判据;其二,运用电流行波在较短时间内的积分值特征量识别故障与轻型雷击。MATLAB仿真结果表明,所提算法能可靠区分轻型雷击、重型雷击和短路故障,是正确且有效的。     

Bird detection and species classification with time‐lapse images around a wind farm: Dataset construction and evaluation

Collisions of birds, especially endangered species, with wind turbines is a major environmental concern. Automatic bird monitoring can be of aid in resolving the issue, particularly in environmental risk assessments and real‐time collision avoidance. For automatic recognition of birds in images, a clean, detailed, and realistic dataset to learn features and classifiers is crucial for any machine‐learning‐based method. Here, we constructed a bird image dataset that is derived from the actual environment of a wind farm and that is useful for examining realistic challenges in bird recognition in practice. It consists of high‐resolution images covering a wide monitoring area around a turbine. The birds captured in these images are at relatively low resolution and are hierarchically labeled by experts for fine‐grained species classification. We conducted evaluations of state‐of‐the‐art image recognition methods by using this dataset. The evaluations revealed that a deep‐learning‐based method and a simpler traditional learning method were almost equally successful at detection, while the former captures more generalized features. The most promising results were provided by the deep‐learning‐based method in classification. The best methods in our experiments recorded a 0.98 true positive rate for bird detection at a false positive rate of 0.05 and a 0.85 true positive rate for species classification at a false positive rate of 0.1.     

架空电力线路鸟害分析与预防

针对鸟类的频繁活动极易造成电力架空线路故障甚至事故,从鸟害的形成机理上进行分析和归类,并提出了相应的防治措施。     

Experiences of automatic contingency selection algorithms on theNGC system

An essential aspect of modern power system security assessment is the consideration of any contingencies which may arise due, for example, to planned or unplanned outages of lines, and which may cause system overloads or abnormal system voltages. Several methods have been developed during the last few years to address this problem and within the National Grid Company, the ΔP²X outage ranking process has been used in the past. However, this ΔP²X outage ranking method may not identify those critical outages associated with relatively low ΔP²X changes. The paper reports on investigations carried out to determine which simplified methods would ensure that all voltage-based severe outages were identified     

220 kV线路鸟害故障分析及防治对策

针对巴彦淖尔河套地区近年来220kV线路连续不断发生的鸟害故障,通过分析比较,阐述了鸟类对架空电力线路的危害,分析了河套地区鸟害故障的原因特征及故障规律,并结合工作实际提出了具体的防鸟害措施。     

输电线路鸟粪故障分析与工程治理

为有效降低鸟粪故障跳闸发生的频次,通过分析研究其共性特点,找出鸟类体积尺寸和地理环境系数关键技术指标并进行了量化,建立了统一鸟害系数与防鸟害措施的一一对应关系,给出了体系建设过程中鸟类体积尺寸确定、防鸟技术分类、现场调查、防鸟害评估等具体方法和范例,由此建立了鸟害区段图绘制的理论基础,提出了混合型防鸟害技术思路和干字型塔中相吊串防鸟害新技术。实例应用表明,该治理技术效果明显。     

基于主动探测技术的输电线路驱鸟策略研究

为解决鸟害引起的输配电线路故障,通过总结鸟害故障机理,分析鸟害事故较严重的华北地区鸟害的时间规律,提出了基于光电探测技术、激光立体扫描和能源优化设计的驱鸟策略。研究表明,鸟害故障一般发生在春秋两季,且06:00～08:00时间段故障率较高;光电探测技术可探测与探测平面成60°范围内的飞鸟;激光器可实现上下左右10°范围内立体式驱鸟,覆盖范围广;驱鸟策略采用定扫模式和巡航模式,系统综合功耗优化至38AH,鸟害故障率降低了60%。研究结果为输配电线路鸟害故障治理提供了参考。     

A line outage study for prediction of static voltage collapse

A simple but useful technique is proposed to study steady-state line outage and hence voltage collapse of the system. Voltage collapse prediction can be performed through the study of line outages, though techniques for nodal-based prediction or critical-node identification are frequently proposed. Experimentally, it was proven that both line outage and system voltage collapse take place simultaneously. In fact, line outages can be treated as the secondary cause of voltage collapse. A scalar index called line-stability index for each line is calculated based on the power flow through the line. The line-stability index may have a value that varies from zero (no power flows through the line) to one (maximum power flows through the line). Any line exceeding the maximum limit of stability index (1.00) can cause system-wide voltage collapse. The proposed technique is tested on a six-bus standard test system, and encouraging results are observed. The results obtained indicate that the technique has the potential to be used as a tool for system monitoring and future load planning     

基于设备状态与调度运行的电网风险评估方法及应用

电网风险辨识评估对于降低电网风险水平,保证电网安全稳定运行意义重大。考虑不同电力设备故障影响因素,分别构建环境暴露型和环境封闭型设备故障率模型。基于蒙特卡洛抽样模拟确定系统状态概率,并采用最优切负荷模型确定系统故障负荷损失。为进一步分析电网停电对不同用户区域产生的影响,构建考虑地区用户分类的单位停电损失函数,从而计算停电导致的不同损失后果。结果表明,停电损失由大到小排序为以服务业为主的中心城区、以工业和居民为主的城市副中心、高能耗工业聚集的城市郊区。风险评估结果贴近实际情况,具有一定的推广应用价值。