基于随机森林的配电网故障分布特征预测方法

影响配电网故障的因素繁多,且故障特征冗余性强,传统的预测模型难以实现有效的配电网故障预测。提出一种基于随机森林的配电网故障分布特征预测方法。基于随机森林算法,建立配电网故障分布特征预测模型;分析故障影响因素,构建输入故障特征变量集;量化故障分布等级,构建输出故障特征分布集。采用探索性数据分析技术,筛选故障特征变量,构建最优特征变量集;优化预测模型参数,获得在当前数据背景下的最优预测效果。以南方某市配电网中的120条馈线为例,测试所提故障预测方法,验证故障预测的准确性和合理性。     

基于天气因素的配电网故障停电风险预测研究

预测配电网运行中的潜在风险对配电网运维有重要的意义。因此,提出一种基于天气因素的配电线路故障停电预测方法。分析配电网故障停电概率与天气变量及其他可能因素变量之间的关联关系,得出故障特征变量,并基于ReliefF算法对故障特征变量合集与配电网故障停电概率进行关联性分析,得到故障特征变量的重要程度权重排序。依据主要故障特征变量,形成基于XGBoost算法的配电线路故障停电预测模型,并对预测结果进行评估及算例验证。通过算例证明该方法可实现对配电网线路故障停电概率的预测,有利于及时发布故障预警信息,为配电网运维部门提供运维指导。     

基于DAE-LSTM神经网络的配电网日线损率预测

针对配电网线损精益化管理的需求,为准确把握配电线路线损率短期变化趋势,提出一种基于降噪自编码器(DAE)和长短期记忆网络(LSTM)相结合的配电网日线损率预测模型。首先建立灰色综合关联度分析指标,挖掘日线损率影响因素近期量与其去年同期量间的相关性,选择去年同期量作为模型的输入变量辅助预测。然后以无监督的方式构建DAE模型对输入序列进行特征编码与重构,实现输入序列的特征提取与降维。最后将编码后的序列输入LSTM神经网络,经训练拟合得到日线损率预测模型。采用湖南某地市多条配电线路实测数据进行实例分析,结果表明该模型日线损率预测准确性较高,运算速度适中,具有一定的实际工程应用价值。     

基于特征选择和Stacking集成学习的配电网网损预测

针对配电网能量管理和节能降损的要求,为了提高配电网网损分析与评估的有效性,提出了一种基于特征选择和Stacking集成学习的配电网网损预测方法。首先基于特征选择的主要方法,通过相关性分析法、最大信息系数法和基于树模型的特征选择法对特征进行综合分析,得到各种特征对网损预测的重要性,选择重要特征作为配电网网损预测模型的输入特征。在此基础上,介绍Stacking集成学习原理,考虑融合多种预测模型的优势特点,建立Stacking集成学习配电网网损预测模型,最后通过仿真验证得到网损预测结果。该仿真数据来源于湖南省10kV配电网某线路44个台区的真实数据,网损预测结果表明该方法能够有效提升配电网网损预测的准确性和鲁棒性,相比于单一预测模型具有更好的预测精度和泛化能力。     

电气-环境耦合作用下的引流线可靠性评估方法

自然灾害下电力设备故障成为用户停电和灾后抢修的主要因素,电力设备的健康程度和抗灾能力与其长期运行环境密切相关,评估其健康水平对提升设备可靠性具有重要意义。以自然灾害特征最为明显的海岛配电网和故障频率最高的引流线为对象,根据其在多因素、强相关性环境特征影响下的运行状况,提出一种基于双重优化改进集成神经网络的引流线可靠性评估方法。首先,通过最大信息系数筛选配电线路故障特征,形成历史故障数据集。其次,为提取海岛微气象环境下的引流线故障规律,结合主成分分析和Kmeans对引流线进行故障区域划分。在此基础上,构建电气-环境耦合的集成神经网络预测模型,关联海岛气象特征和引流线故障特征进行寿命预测。并通过Attention机制和双重优化体系进行改进,突出海岛典型气象因素影响、提升预测准确性。最后,基于浙江舟山实际数据进行算例验证。结果表明：所提方法能够有效评估海岛配电网引流线的寿命状况,对提高配电网设备可靠性具有重要实用价值。     

基于拐点密集区凹凸波动特性的直流配网故障检测方法

基于模块化多电平换流器(modular multilevel converter, MMC)的柔性直流配电网具有不存在换相失败等优点。但换流器存在低惯性、弱阻尼等特性,导致故障电流上升速度快且峰值高,对系统危害极大。针对直流配电网发生单极接地故障难以准确选择故障馈线的问题,提出了一种基于拐点密集区凹凸波动特性的直流配网故障检测方法。首先,利用变分模态分解算法对各馈线零模电流进行分解,选取特征分量。然后,计算特征分量的二阶导数,选择拐点密集区并进行归一化处理,得到各馈线的凹凸波动性。最后,判定凹凸波动性与其他馈线相异的线路为故障线路。仿真结果表明,所提方法能够快速识别故障馈线,且受过渡电阻、采样频率、数据窗和噪声等因素影响小。     

基于大数据的配电网架空线路工程造价预测

大数据与人工智能技术推动了工程造价全方位创新，为了提升配电网工程造价决策的水平，针对配电网架空线路工程中存在造价影响因素多、预测精度低等问题，提出一种配电网架空线路工程造价组合预测模型。首先，对配电网架空线路工程中重要数据缺失情况进行分析处理，其次，基于随机森林算法对配电网架空线路重要造价影响因素进行选取。最后，在参数寻优基础上采用最小二乘支持向量机模型进行造价预测。仿真对比结果显示，所构建的造价预测模型能有效提升预测速度和精度，该预测模型可为实现配电网架空线路工程造价预测提供一种有效实用的方法。     

基于聚类及趋势指标的长短期神经网络配网负荷短期预测

针对配电网线路负荷短期预测存在精度不佳的问题,提出一种基于聚类及趋势指标的长短期神经网络负荷预测方法.首先利用K-Means聚类方法将线路下特性变化相似的配电网台区负荷数据进行聚类重构;此外,按类分别计算负荷历史同期数据的趋势变化指标,并且作为负荷预测模型的输入特征;然后,建立能够传递时间序列信息的长短期神经网络预测模型,通过模型学习训练每类负荷的历史数据及变化趋势,并对测试集进行预测,将每类负荷的预测结果进行叠加得到线路总负荷的预测结果.以湖南某线路负荷数据为基础,预测未来一天96个点的线路负荷数据,经验证,所提方法能够深入挖掘配电负荷的特性规律和变化趋势,提升配网线路负荷的短期预测精度.     

基于对称注入法反射波特征提取的配电网故障测距算法

针对架空线配电网单相接地故障测距问题,分析了故障点反射波信号和线路行波传输特性,提出了一种向故障线路三相对称注入高压脉冲获取故障特征波的方法。采用母线端首次检测到故障点零模反射波的时间和波前特征参数,作为BP神经网络的输入变量,建立故障测距模型。在提取零模反射波到达时间和波前特征参数时,对行波数据进行小数定标规范化和极值归一化处理,以消除故障距离以外因素对神经网络输入变量的影响。最后采用PSCAD仿真和Matlab编程运行,结果表明该方法不受故障分支、接地电阻影响,可有效测定故障距离。     

计及输入变量相关性的有源配电网可靠性概率评估三点估计法

为准确分析分布式电源出力的波动性和相关性对配电网可靠性的影响,提出一种计及随机变量相关性的有源配电网可靠性评估三点估计法。该方法利用Nataf变换处理输入变量之间的相关性,结合点估计法将有源配电网可靠性概率分析转化为确定性问题求解。首先在独立的标准正态变量空间中根据点估计法原理选取样本点;然后通过Nataf逆变换求取对应的原始变量空间的样本点,构造可靠性评估样本;最后采用故障模式后果分析法对样本进行可靠性计算,并将样本结果概率叠加得到配电网可靠性指标的概率分布信息。改进的IEEE RBTS-Bus6馈线F4系统算例结果表明,所提方法能够有效实现计及输入变量相关性的配电网可靠性评估,并且计算量小、计算速度快,具有良好的精度。     

随机矩阵理论在配电网早期故障检测中的应用研究

针对配电网结构复杂,运行状态受到多种因素相互作用影响,提出了一种基于随机矩阵理论的配电网早期故障检测方法。首先提出采用配电网馈线及其支线下所有配电变压器在线监测负荷数据并构造时空数据矩阵,然后利用移动窗口法和随机矩阵理论,连续分析统计数据矩阵中元素的特性,采用线性特征值统计量作为统计指标,用以表征数据的行为。工程实例测试结果表明,该方法能有效实现配电网早期故障事件检测,对于配电网线路巡检具有一定的指导意义。     

考虑天气特征与多变量相关性的配电网短期负荷预测

针对配电网短期负荷预测受到众多复杂天气特征等随机不确定性因素影响,以及传统预测模型难以有效分析不同特征序列之间的相关性等问题,提出一种考虑天气特征与多变量相关性的配电网短期负荷预测方法。首先,提出多变量快速最大信息系数(multi-variable rapid maximal information coefficient, MVRapidMIC)提取相关性高的天气特征序列。其次,引入探索性因子分析法(exploratory factor analysis, EFA),对高相关性特征序列进行降维处理。最后,将维度分段(dimension-segment-wise, DSW)机制和两阶段注意力(two-stage attention, TSA)机制与Informer模型结合,提高预测模型对不同特征序列相关性的分析能力。通过DTU 7K 47节点实际配电网的历史负荷数据开展仿真测试,验证所提方法的预测精度、鲁棒性和时效性。     

配电网馈线负荷预测及风险评估预警分析方法

配电网馈线重过载运行是影响配电网可靠性的重要因素,为了掌握配电网馈线运行情况和预警馈线风险状况,提出了配电网馈线负荷预测及风险预警分析方法。首先基于用户负荷特性分析,采用聚类分析方法将用户类别进行细分。其次开展负荷分布预测,并基于用户聚类分析结果,确定用户负荷叠加结果,提出馈线负荷预测方法。然后基于馈线负荷结果,考虑馈线重过载运行对配电网供电可靠性的影响程度,提出馈线风险评估和风险预警方法。最后通过实例分析验证了研究成果的有效性。     

计及天气因素相关性的配电网故障风险等级预测方法

配电网风险等级的准确性预测对配电网运行维护具有重要意义。针对配电网故障影响因素众多且冗余性强的问题,提出一种计及天气因素的配电网故障特征选择和故障停电风险等级预测的方法。通过对故障数据的预处理,归纳出18个配电网故障特征,综合考虑故障发生频率、停电时长和缺供电量比例,确定风险等级划分依据;提出改进G-Relief F算法实现对故障特征权重计算和冗余剔除,得到最优故障特征集合;基于Adaboost改进C4.5决策树算法进行配电网故障风险等级预测,挖掘故障停电风险等级与天气因素间的关联关系。通过实际算例分析,验证了所提方法的有效性,可以为配电网风险预控提供有效依据。     

基于数据挖掘的配电网故障风险预警

为了提高配电网风险预警的准确性,提出了基于数据挖掘的配电网故障关联因素分析与风险预警的方法。通过数据清洗、数据变换、数据集成和离群样本剔除,归纳配电网四大类共28个故障特征;采用改进的Relief-Wrapper算法进行故障关联因素分析,剔除了6个冗余特征,形成了由22个故障特征组成的最优故障特征子集;提出了兼顾故障发生频率和失电负荷比例的配电网故障风险指标和风险等级划分方法,采用基于径向基函数的支持向量机(SVM)方法和最优故障特征子集进行风险预警。对某市120条馈线配电网进行了风险预警算例分析,结果验证了所提方法的有效性。     

基于孪生网络和长短时记忆网络结合的配电网短期负荷预测

保证数据驱动型配电网短期负荷预测精准的关键是选取合适的相似日数据集和构建合理的日负荷预测模型.文中研究了一种基于孪生网络(SN)和长短时记忆(LSTM)网络相结合的配电网短期负荷预测模型.基于配电网负荷相似日的影响因素具有多样化、强随机性的特点,利用SN两个输入权重共享的特点对历史负荷数据进行分析,进而对待测日的特征进行分类,以完成相似日数据选取.此外,利用灰狼优化算法全局搜索能力强、收敛速度快等特点,对基于LSTM网络的配电网短期负荷预测模型进行参数优化.最后,以某一个区域配电网的实际数据为例,验证上述预测方法的准确性与鲁棒性,与LSTM网络、基于粒子群优化的LSTM网络、支持向量机等方法对比可知,所提方法具有较高的准确度和计算效率.     

基于波形相关性的直流配电网主动式接地故障选线

采用小电流接地方式的直流配电网发生单极接地故障时故障特征较弱,为准确可靠选出故障线路,文中提出基于注入信号波形相关性的接地故障选线方法。所提方法首先将预先设计的附加控制策略施加于直流配电网的模块化多电平换流器(modular multilevel converter,MMC)上,实现探测信号注入。然后结合零模网络,得出故障特征为：各条健全馈线首端计算的特定频率零模电流流向相同、而其与故障馈线首端计算的零模电流流向相反。最后,基于该故障特征设计选线判据,引入皮尔森相关性系数比较各条馈线的归一化零模电流和总归一化零模电流的相关性,根据健全馈线相关性系数接近于1、故障馈线相关性系数接近于-1的特征完成故障选线。仿真结果表明,所提方法在高阻接地故障下能可靠识别发生在母线或各条馈线任意位置的单极接地故障。     

应用BP神经网络的超高压输电线路可听噪声预测

以甘肃省多条330 kV超高压输电线路可听噪声的实测数据样本为例,研究基于误差反传(back propagation,BP)神经网络的可听噪声预测的方法。将330 kV单回路三角型线路结构输电线路的可听噪声数据整理分析后建立数据样本,选择影响可听噪声的13个因素作为输入变量,可听噪声值作为输出变量,建立3层结构的BP神经网络预测模型,用数据样本训练和验证预测模型。结果表明,基于BP神经网络的可听噪声预测方法能够较精确地预测可听噪声数据样本中除了输入样本以外的其余样本,可作为超高压输电线路可听噪声预测的一种简单有效的方法。     

风电功率预测误差分析及预测误差评价方法

风电功率预测对含大规模风电的电力系统安全、经济运行有着重要意义。分析了风速和风功率特性、预测模型算法和预测模型输入变量对风功率预测误差的影响;以某风电场实测数据为例,对预测结果采用误差评价指标进行了评价分析,提出通过预测模型修正逐步减小风电功率预测误差的方法,给出了预测模型修正流程图。可为提高风电功率预测精度提供参考,从而使功率预测系统可以更好地服务电力生产。     

风电功率预测误差分析及预测误差评价方法

风电功率预测对含大规模风电的电力系统安全、经济运行有着重要意义。分析了风速和风功率特性、预测模型算法和预测模型输入变量对风功率预测误差的影响;以某风电场实测数据为例,对预测结果采用误差评价指标进行了评价分析,提出通过预测模型修正逐步减小风电功率预测误差的方法,给出了预测模型修正流程图。可为提高风电功率预测精度提供参考,从而使功率预测系统可以更好地服务电力生产。