WRSR与改进朴素贝叶斯融合的变压器故障诊断技术研究

电力变压器的运行状态评估及其故障准确定位,一直是制约电网运行安全和设备运维效率的技术瓶颈。建立一种基于加权秩和比(Weighted Rank Sum Ratio, WRSR)并结合改进朴素贝叶斯网络的诊断模型,用以评估电力变压器整体运行状态,确定故障位置及具体故障类型。首先从多个变电站收集变压器的历年故障数据,并将其作为训练集,在改进朴素贝叶斯网络中建立起特征参量与故障位置、故障类型之间的非线性映射关系。结合某电网的具体变压器运行状态信息与检测数据,利用WRSR模型对具体变压器整体运行状态进行评价,然后将状态性能较差的变压器故障检测数据作为测试集代入至改进朴素贝叶斯网络中来预测故障位置。最终结果表明,所提模型能够实现对电力变压器状态的合理评价,又可在预测故障部位及故障类型时保持较高的准确率。     

贝叶斯分类器与粗糙集相结合的变压器综合故障诊断

由于电力变压器故障诊断中的测试数据信息不完备、有偏差，且贝叶斯网络处理不确定性问题能力强，文中提出了用于变压器故障诊断的NB、TAN和BAN三种贝叶斯分类器模型，并提出了贝叶斯网络分类器与粗糙集相结合的变压器故障诊断的新方法，它综合使用溶解气体分析结果和其它电气试验结果作为故障分类所需的属性。其相应的混合分类器为NB粗集、TAN粗集和BAN粗集分类器。实验表明提出的三种混合分类器都适于变压器故障诊断，具有处理信息缺失多的能力和容错特性，克服了粗糙集刚性推理的弱点，其性能明显优于单独使用贝叶斯网络分类器或粗糙集的方法。     

电网故障最优诊断的查询方法EI北大核心CSCD

针对传统专家系统在电网故障诊断应用中的局限性,提出一种基于模型诊断的电网故障最优诊断的查询方法。该方法按照基于因果关系的诊断思想,得到预设故障输出对应的预备候选诊断,然后根据故障后的电气信息从匹配的预设故障输出中确定候选诊断,最后,运用贝叶斯理论计算候选诊断的故障概率,并查询最大概率的候选诊断作为电网故障的最优诊断。该方法通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,在利用贝叶斯定理处理诊断的不确定性时,将告警信息引入到模型诊断逻辑框架内计算元件的实际故障概率,提高了诊断的准确性。算例分析结果验证了所提方法的有效性和可行性。     

电网故障最优诊断的查询方法

针对传统专家系统在电网故障诊断应用中的局限性,提出一种基于模型诊断的电网故障最优诊断的查询方法。该方法按照基于因果关系的诊断思想,得到预设故障输出对应的预备候选诊断,然后根据故障后的电气信息从匹配的预设故障输出中确定候选诊断,最后,运用贝叶斯理论计算候选诊断的故障概率,并查询最大概率的候选诊断作为电网故障的最优诊断。该方法通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,在利用贝叶斯定理处理诊断的不确定性时,将告警信息引入到模型诊断逻辑框架内计算元件的实际故障概率,提高了诊断的准确性。算例分析结果验证了所提方法的有效性和可行性。     

应用于智能电网故障检测的关联规则挖掘算法优化

针对于目前故障检测方法在智能电网应用中存在较大误差的问题,介绍了一种基于贝叶斯网络和关联规则数据挖掘的算法模型,通过Hash技术优化Apriori算法,对原数据挖掘,去除不期望的候选项集,并通过贝叶斯网络训练样本,减少检测误差,最终得到电网故障检测结果。仿真结果表明,这种基于贝叶斯网络和关联规则挖掘算法的故障检测模型,比传统算法在电网故障检测方面更有效率,且检测误差大幅降低。     

基于贝叶斯全解析模型与多因素降维的有源配电网分布式故障区段定位方法

随着配电网规模的扩大与分布式电源的并网运行,传统集中式故障区段定位方法难以满足故障诊断准确性和可靠性的要求。对此文章提出一种基于贝叶斯全解析模型与多因素降维的有源配电网分布式故障区段定位方法。首先构建基于多代理机制的分布式故障诊断模式,提出故障区段定位基本原理;其次考虑FTU多种类型信息畸变情况,提出基于故障假说的贝叶斯全解析模型,并利用故障矛盾理论与故障电流序列特征对模型进行降维与化简;最后论述多代理机制下故障定位方法的实现流程,准确定位配电网故障区段。仿真结果表明,该方法具有较高的容错性,且能够有效改善集中式算法的单点失效问题,适用于规模化有源配电网。     

电力调度数据网结构特性分析

提出运用复杂网络理论从结构的角度分析电力调度数据网的复杂性及脆弱性。现有的电力调度数据网大致可分为双星型和网状2种典型结构,从统计特征参数、度数累积分布以及介数累积分布3个方面对这2种电力调度数据网的结构进行了分析,发现双星型网是典型的无标度网络,而网状网是典型的小世界网络。继而以单一故障和连锁故障分别衡量了2种网络的静态脆弱性和动态脆弱性。结果表明：1）电力调度数据网的脆弱性与其网络结构有很大的联系,单一故障时,双星型结构的调度数据网对选择性攻击表现得更加脆弱;2）双星型结构的调度数据网不容易发生连锁故障,网状结构反之。连锁故障时故障概率较高的节点仍集中在介数高的节点。     

基于可靠性最优的地区调度数据网第二接入网设计

电力调度数据网作为电力监控系统主要的数据传输通道，其可靠性直接影响电网调控相关工作。建设地区调度数据网第二接入网可有效提升数据传输可靠性、自动化通道可用性及网络安全性等性能指标。通过分析设备冗余程度可靠性、路由策略可靠性和节点部署位置可靠性，提出一种地区调度数据网网络可靠性计算方法。首先，基于网络可靠性最优提出地区调度数据网第二接入网设计原则和流程，综合考虑调度数据网现有网架结构，得出地区调度数据网第二接入网新增节点数量，完成冗余程度可靠性分析；然后，分析私网路由策略和公网路由策略，得出同现有网架结构协调统一的高可靠性路由策略方案，根据地区调度数据网拓扑结构得出不同节点可靠性计算方法，通过调整节点位置分布得到可靠性较高的地区调度数据网第二接入网候选设计方案；最后，通过业务校核选出可靠性最高的设计方案。     

电力IP数据网络中的区分服务和QoS保证

为了在IP层部署QoS机制，从电力数据网承载综合业务的QoS需求出发，研究在电力IP数据网中部署DiffServ的关键技术问题。首先对业务分类进行深入的探讨，结合不同业务流量的特点，讨论了分类瓣目标和理论依据，提出了针对DiffServ技术体系的电力数据业务分类的建议，然后针对在MPLS域中实现DiffServ技术的问题，比较了2种映射机制并提出了可行的建议。最后，对PHB映射方案、统一的结点QoS保证机制进行了研究分析，并提出了相应的建议。     

改进朴素贝叶斯模型在电力变压器故障定位中的应用北大核心CSCD

电力变压器故障能否精准定位一直是制约其状态检修有效开展的技术瓶颈。文中针对目前已有故障定位模型存在的不足,借助变压器故障类型与特征状态量之间的内在关系,将朴素贝叶斯网络模型进行特征属性加权改进,并将其扩展为改进的双层朴素贝叶斯网络模型应用至电力变压器故障定位中。在这一过程中,考虑到特征属性与类别之间和各特征属性之间的依赖关系,采用ReliefF算法和相关系数法分别对特征属性进行加权处理,构造出改进的朴素贝叶斯网络模型,并在MATLAB软件中进行了诊断对比预测,得到了较好的预测结果,文中最后利用实际案例进一步验证了所提模型与分析方法的有效性,可为电力变压器故障诊断提供技术指导。     

基于可解释模型的火箭推力故障辨识与轨迹预测方法

针对运载火箭飞行过程中的强非线性和高不确定性问题，以及火箭推力下降故障对飞行过程可靠性和安全性的重大影响，基于注意力机制提出一种可解释机器学习模型以提高火箭推力下降故障检测、故障发动机定位、故障程度估计、以及故障后轨迹预测的准确性和鲁棒性，使用注意力层提取高维时序飞行监测数据的特征，以特征矩阵简洁表达高维时序数据，进而采用自注意力及全连接网络预测推力下降发生的位置和推力下降程度，并通过长短期记忆单元对特征向量进行解码实现未来时段内飞行轨迹准确预测。在火箭推力下降数据集上对提出的模型进行测试，验证了模型的有效性。结果表明，提出的模型的故障定位准确率为96.0％，故障严重程度估计精度为94.7％，轨迹预测平均误差为0.94％，提出的模型在推力下降故障模式中具有良好的应用效果。     

电网运维大数据背景下的继电保护通信系统故障定位方法

针对承载继电保护业务的光纤通信系统频发多通道同时告警事件导致故障定位困难的问题,基于电网运维大数据和贝叶斯网络模型处理方法,提出了一种继电保护通信系统故障定位方法。结合继电保护故障信息管理系统(RPMS)、通信网管系统告警信息和调度运行管理系统(OMS)信息缩小故障定位范围,然后基于由历史运维数据计算得到的先验概率,通过改进的贝叶斯算法进行故障概率计算,推断出故障原因,借助通信资源管控系统信息进行故障定位。算例的计算结果证明了该方法的有效性和准确性。该方法对于多区域并发性故障定位同样适用。     

Using Bayesian network for fault location on distribution feeder

The Bayesian network is a probabilistic graphical model in which a problem is structured as a set of variables (parameters) and probabilistic relationships among them. The Bayesian network has been effectively used to incorporate expert knowledge and historical data for revising the prior belief in the light of new evidence in many fields. However, little research has been done to apply a Bayesian network for fault location in power delivery system. We construct a Bayesian network on the basis of expert knowledge and historical data for fault diagnosis on a distribution feeder in Taiwan. The experimental results validate the practical viability of the proposed approach.     

高压输电线路故障测距综合优化方法研究

提高高压输电线路故障定位精度有助于及时排查故障并修复供电,对于提高系统供电可靠性,保证电网安全稳定运行能力具有重要现实意义。采用BP神经网络对现有各种测距手段提供的测距结果信息进行综合,对故障测距结果进行优化评估,提高故障测距精度。分别给出了以故障实际距离和故障测距误差为输出的两种综合模型,以仿真计算和实际系统测距数据作为训练样本对神经网络进行训练,进行了两种模型适用性的分析。实际应用结果表明,所提出故障测距综合优化方法可充分综合利用各测距方法的优点,有效提高了故障定位精度。     

基于贝叶斯网络的电源监控系统设计

对电源工作状态进行实时高效的监控,对电源设备使用安全性能尤为重要,同时也为一些隐患故障提供了有效的预防。提出了一种基于贝叶斯网络的无线传感技术,作为数据信息采集/处理终端,设计了一套完整的电源监控系统,可以简化电路设计、提高实时响应以及预防故障的准确性。     

基于Bayes-LSTM网络的风电出力预测方法

为提高风电出力的预测精度,提出一种基于Bayes优化的长短期记忆人工神经网络(long-short term memory, LSTM)的预测模型。首先,利用经验模态分解对风电历史出力序列进行分解,并对各分量及原始数据分别提取8个统计特征量,与预测前6个时刻出力值共同组成预测特征集。然后,采用绳索算法(least absolute shrinkage and selection operator, LASSO)从预测特征集中提取具有统计意义的特征子集,作为预测模型的输入。最后,提出基于Bayes超参数寻优的LSTM网络优化方法,以提高预测精度。选取湖北某市风电出力历史数据进行预测实验,结果表明：相较于BP神经网络、SVM、RBF网络、GRNN网络等预测模型,所提模型预测精度较高,特征提取方法较为合理。     

基于IELM算法的配电网故障区段定位

针对传统智能优化算法在配电网故障区段定位中存在准确率随配电网规模扩大而大幅下降的问题,提出一种基于改进仿电磁学(IELM)算法的配电网故障区段定位方法.首先,基于分层处理以及全局寻优思想对传统故障定位方法的一体式结构进行优化,通过改变算法结构实现单一故障及多重故障的分层处理并缩减多重故障定位的解空间规模.在结构优化的基础上对仿电磁学(ELM)算法进行改进,忽略全局电荷对单一电荷的影响,突出单一电荷对最优电荷的学习能力,提高其全局寻优能力及运算效率.最后,分别以IEEE 13节点单电源辐射配电网和改进后的4电源119节点配电网为仿真测试系统进行了测试.测试结果表明,所提故障区段定位方法在面对不同结构和规模的配电网时具有准确性高、容错性好、定位速度快以及降维效果佳等优点,在大规模配电网中具有良好的应用前景.     

基于气象特征挖掘和改进深度学习模型的风电功率短期预测

为提高风电功率短期预测的准确度,需进一步挖掘气象特征,为此,提出一种基于贝叶斯优化调参的特征挖掘改进深度学习模型。对气象因素提取多时间尺度下的统计特征、组合特征和类别特征;构建包含长短时记忆神经网络与注意力机制结合模块、Embedding模块和输出模块的深度学习模型,将连续数值特征输入长短时记忆神经网络与注意力机制结合模块,将类别特征输入Embedding模块;由贝叶斯优化调参进行特征组合选择,找出最优特征组合,得到最终的风电功率预测结果。与某风电场历史数据的对比分析表明,所提方法能有效提高风电功率的预测精度。     

基于贝叶斯网络分类器的变压器综合故障诊断方法

鉴于电力变压器故障诊断中的信息和知识具有随机性和不确定性的特点,利用贝叶斯网络表达知识灵活、分析处理不确定性与关联性问题能力强的优点,本文提出了一种基于贝叶斯网络分类器的以溶解气体分析为主结合其他电气试验结果的变压器综合故障诊断方法,并建立了变压器朴素贝叶斯网络故障诊断模型和TAN故障诊断模型.文中详细阐述并验证了该方法解决信息不完备问题的优越性.该模型还可以通过不断积累完善训练样本,自动修正网络结构参数和概率分布参数,提高诊断效果.实例验证表明了该方法的有效性.