基于多状态节点贝叶斯网络的HVDC系统可靠性评估

贝叶斯网络具有灵活的推理机制,能深刻地揭示系统内在的机理.该文提出了将贝叶斯网络应用于高压直流系统可靠性评估的方法.该方法采用多状态节点来描述系统及节点的多态性,有效地处理了特殊的备用情况,并提出了信念度矩阵来描述系统内部各层元件之间的连接关系,通过考查给定系统状态对应的信念度,可以评估系统中的薄弱环节.此外,利用贝叶斯网络的自动更新功能,还能根据当前的元件或子系统的状态对系统未来状态作出预测.最后,通过具体的算例对所提方法的有效性进行了分析和验证.     

基于超椭球贝叶斯网络的配电系统可靠性评估

针对配电系统实际运行中元件故障概率无法以精确值描述的问题,提出了一种将超椭球模型约束的元件故障区间概率与贝叶斯网络相结合的配电系统可靠性评估方法。该方法应用证据理论获取元件的信度函数和似真函数以得到初始故障区间概率;应用超椭球模型约束元件初始故障区间概率以得到贝叶斯网络分析中根节点区间概率;应用贝叶斯网络正向推理叶节点区间概率以得到配电系统的可靠性评估指标;应用贝叶斯网络反向推理负荷点故障条件下的根节点后验区间概率以得到系统薄弱环节。通过对IEEE-RBTS Bus 6母线系统进行算例分析,证明了该方法适用于实际配电系统的可靠性评估。     

贝叶斯网络在配电系统可靠性评估中的应用

提出了基于元件的最小状态割集建立多状态贝叶斯网络以实现配电系统可靠性分析的新方法.该方法的特点是不仅能进行配电系统的可靠性指标评估,而且还能方便地得到系统各元件状态和最小状态割集对整个系统可靠性的影响,从而克服了配电系统传统可靠性评估方法的不足.     

基于贝叶斯网络计及元件联合故障的电力系统可靠性评估

基于贝叶斯网络,将系统元件的联合故障模型引入到网络建模过程中,建立了计及元件故障间联合概率分布的贝叶斯网络模型。采用贝叶斯推理得到系统各元件故障状态及其概率分布,并将其应用到电力系统可靠性评估中,改进了以往贝叶斯网络可靠性评估方法未考虑对系统可靠性指标影响较大的元件故障间关联的不足。在求解故障后潮流时,采用最优潮流(OPF)算法来计算优化后切负荷量,提高了计算的准确度,进一步算得指标,评估得到系统可靠性水平。IEEE-RTS24测试系统算例分析,验证了方法的正确性和有效性。     

基于贝叶斯网络和分块技术的配电网可靠性评估

提出一种基于贝叶斯网络的配电网可靠性评估算法。以配电网可靠性评估的分块为基础,建立配电网4层贝叶斯网络,即元件层、分块层、负荷点层和系统层。根据配电网分块形成的等效网络,建立元件层和分块层间的关系;通过解析枚举分块及开关元件的故障,得到负荷点的节点类型,建立分块层和负荷点层间的关系,并通过矩阵存储实现负荷点可靠性计算;建立负荷点层和系统层间的关系,实现系统可靠性计算。根据贝叶斯网络的双向推理功能,提出通过元件可靠性参数辨识负荷点薄弱环节的方法,及通过各元件分摊的期望缺供电量指标辨识系统薄弱环节的方法。对RBTS母线2等算例系统进行可靠性评估和分析,验证了算法的正确性和高效性。     

考虑元件关联性的节点综合脆弱评估模型

针对大停电事故中故障元件之间的连锁相关性,提出了考虑元件关联性的节点综合脆弱评估模型。首先从电网拓扑结构和潮流分布的不均匀性出发,根据节点线路功率关联性给出节点重要度评估模型;然后从区域负荷波动的差异性出发,根据故障关联性提出节点抗压度评估模型;最后综合考虑重要度与抗压度建立节点脆弱性评估模型。该模型综合考虑了网络拓扑结构、运行状态对节点脆弱性的影响,能有效识别负荷增长时承担主要输电任务的节点,克服了以往方法不能随系统运行方式变化动态调整节点脆弱值的缺陷。通过新英格兰10机39节点系统仿真计算,验证了模型的正确性和有效性。     

基于扩展贝叶斯分类算法的网络安全状态在线定量评价

准确了解计算机网络的安全状态非常重要,大多数计算机网络安全评估系统都无法对数据进行彻底地分析,这成为获取计算机网络安全状态的瓶颈。针对这一问题,提出了一种基于扩展贝叶斯分类算法的计算机网络安全评估规则的算法模型,研究了计算机网络安全评估的扩展贝叶斯分类知识系统描述,给出了扩展贝叶斯分类属性约简的方法,通过简化的网络安全评估数据集验证了提出的决策规则挖掘方法。实验结果表明,该网络安全评估方法是可行、有效的,获得的决策规则符合实际。     

基于贝叶斯网络的电力变压器状态评估

为提高电力变压器状态评估的准确性,提出了一个基于贝叶斯网络的电力变压器状态评估模型。该法将变压器分为本体、套管、铁心3个部件,采用5级状态的评估方法,针对变压器预防性试验数据,先建立变压器健康状态量化的分层模型,通过该模型评估变压器的历史、当前、未来状态,然后利用模糊隶属度函数确定分层模型中变压器各个参数的阈值和分值,最终建立基于贝叶斯网络的变压器状态评估模型。实例验证了变压器状态评估模型的正确性和方案的可行性,基于贝叶斯网络的变压器状态评估模型能较好地满足工程需要,所提出的评估方法为变压器由定期预防性维修向状态维修的过渡提供了技术支持。     

基于贝叶斯网络的复杂装备测试性评估

针对关联模型在复杂装备测试性评估中对不确定问题描述与分析的缺陷,提出了基于贝叶斯网络的测试性评估方法。首先建立贝叶斯网络测试性评估模型,以有向边表述故障模式与测试信号之间的因果关系,利用条件概率描述系统的不确定信息。然后,将测试准备和执行时间引入贝叶斯网络,使基于贝叶斯网络的测试性评估与故障检测隔离时间相关,使测试性评估结果更加全面、客观。最后通过实例分析验证了方法的有效性。     

±800 kV柔直换流站电气系统可靠性分析

对电气元件等效二状态模型进行优化,提出了计及计划检修状态的元件等效三状态模型,使之符合柔性直流输电系统实际运行情况。以广东龙门换流站为例,通过等效三状态模型计算柔直换流站电气主接线中各元件的可靠性参数,使用分区简化方法计算各分区的可靠性参数。在此基础上,利用目标导向(GO)法和动态贝叶斯网络相结合的方法建立了电气主接线的可靠性模型,求解柔直换流站可用度、不可用度以及计划检修概率的时变曲线,验证了所提模型和方法对柔性换流站电气主接线可靠性评估的可行性与有效性。     

基于贝叶斯网络的架空输电线路运行状态评估

为了详尽及时地掌握架空输电线路的运行情况,提高线路运行的可靠性,提出了一种基于贝叶期网络的架空输电线路运行状态评估方法.贝叶斯网络可以灵活地表示变量的随机不确定性和相关性,还能方便地进行不确定性推理.基于贝叶斯网络建立的架空输电线路运行状态数学模型,不仅能够得出架空输电线路及其各部件的3种运行状态的状态概率,而且还可以动用贝叶斯网络的双向推理技术方便地求解架空输电线路各部件对整条线路运行状态的影响,得出整条架空输电线路的薄弱环节,通过实例计算表明了此方法的有效性和实用性.     

基于R藤Copula-DBN时空相关性建模的风光荷功率概率预测

计及时空相关性的多维风光荷功率概率预测可全面描述风光荷不确定性,为电力系统安全稳定和经济运行提供保障。提出一种基于R藤Copula-动态贝叶斯网络(DBN)时空相关性建模的风光荷功率概率预测方法。基于R藤Copula模型和传递熵刻画多维变量的空间相关性,建立初始状态的贝叶斯网络;将初始贝叶斯网络在时间点序列上进行延拓,构建可刻画风光荷功率时间自相关性和空间相关性的DBN;将所建模型应用于计及时空相关性的高维风光荷功率概率预测。算例仿真验证了所提方法的有效性。     

基于知识图谱与细胞自动机模型的配电网信息系统风险分析

为了刻画配电网中信息系统的风险传播过程,保障电力系统安全可靠运行,利用知识图谱与细胞自动机技术相结合的方法实现对配电网信息系统的风险分析。首先利用知识图谱方法对配电网采集的多源异构信息开展风险知识提取和融合,实现对信息系统风险的静态分析。其次,构建配电网风险分析的细胞自动机模型,设计细胞在正常状态与故障状态之间的转变机制,实现对配电网信息风险发展过程的动态分析。最后结合仿真实验,验证了所提方法能够实现对配电网信息风险跨空间传播过程的有效刻画。     

基于贝叶斯优化弹性网络回归的谐波状态估计方法

回归类算法在估计系统谐波状态时,谐波源间的高度相关性会引起法矩阵的病态,从而显著影响谐波估计精度。为了更加准确地估计系统谐波状态,提出一种基于贝叶斯优化弹性网络回归的谐波状态估计方法。首先,在用最小二乘法进行谐波状态估计时,将带权值的1范数和2范数同时加入惩罚函数中;另外,为了更加高效准确地估计系统谐波状态,将高斯过程和贝叶斯优化应用于1范数和2范数的权值选取;最后,在IEEE 14节点中验证了所提方法的有效性。结果表明：在谐波源间存在相关性时,所提方法仍能实现合理的谐波源定位及谐波责任划分。     

基于知识图谱与细胞自动机模型的配电网信息系统风险分析

为了刻画配电网中信息系统的风险传播过程,保障电力系统安全可靠运行,利用知识图谱与细胞自动机技术相结合的方法实现对配电网信息系统的风险分析。首先利用知识图谱方法对配电网采集的多源异构信息开展风险知识提取和融合,实现对信息系统风险的静态分析。其次,构建配电网风险分析的细胞自动机模型,设计细胞在正常状态与故障状态之间的转变机制,实现对配电网信息风险发展过程的动态分析。最后结合仿真实验,验证了所提方法能够实现对配电网信息风险跨空间传播过程的有效刻画。     

基于贝叶斯优化弹性网络回归的谐波状态估计方法

回归类算法在估计系统谐波状态时,谐波源间的高度相关性会引起法矩阵的病态,从而显著影响谐波估计精度。为了更加准确地估计系统谐波状态,提出一种基于贝叶斯优化弹性网络回归的谐波状态估计方法。首先,在用最小二乘法进行谐波状态估计时,将带权值的1范数和2范数同时加入惩罚函数中;另外,为了更加高效准确地估计系统谐波状态,将高斯过程和贝叶斯优化应用于1范数和2范数的权值选取;最后,在IEEE 14节点中验证了所提方法的有效性。结果表明：在谐波源间存在相关性时,所提方法仍能实现合理的谐波源定位及谐波责任划分。     

A fault segment location method for distribution networks based on spiking neural P systems and Bayesian estimation

With the increasing scale of distribution networks and the mass access of distributed generation, traditional centralized fault location methods can no longer meet the performance requirements of speed and high accuracy. Therefore, this paper proposes a fault segment location method based on spiking neural P systems and Bayesian estimation for distribution networks with distributed generation. First, the distribution network system topology is decoupled into single-branch networks. A spiking neural P system with excitatory and inhibitory synapses is then proposed to model the suspected faulty segment, and its matrix reasoning algorithm is executed to obtain a preliminary set of location results. Finally, the Bayesian estimation and contradiction principle are applied to verify and correct the initial results to obtain the fnal location results. Simulation results based on the IEEE 33-node system validate the feasibility and efectiveness of the proposed method.     

Bayesian networks-based approach for power systems fault diagnosis

In this paper, three element-oriented models based on simplified Bayesian networks with Noisy-Or and Noisy-And nodes are proposed to estimate the faulty section of a transmission power system. The three models are used to test if any transmission line, transformer, or busbar within a blackout area is faulty. They can deal with uncertain or incomplete data and knowledge relating to power system diagnosis, so they are flexible. The structures and initial parameters of the Bayesian networks depend on the prior knowledge of the domain experts. The parameters can be revised by using an error back propagation algorithm similar to the back-propagation algorithm for artificial neural networks. The fault diagnosis models do not vary with the change of the network structure, so they can be applied to any transmission power system. Furthermore, they have clear semantics, rapid reasoning, powerful error tolerance ability, and no convergence problem during the diagnosing procedure. Experimental tests show that the approach is feasible and efficient, so the prototype program based on the approach is promising to be used in a large transmission power system for online fault diagnosis.     

基于微分代数神经网络的含新能源区域电网端口动态特性学习方法

高比例新能源渗透背景下,建立能够准确描述复杂环境因素影响下含新能源的区域电网端口特性动态模型,对于新型电力系统动态分析至关重要。为此,提出了一种基于微分代数神经网络的含新能源区域电网端口动态特性学习方法。该方法利用微分代数神经网络,基于区域电网接入点的时序量测以及光照强度、温度等环境量测数据,学习以神经网络表达的端口特性模型。所得模型由初始状态提取模块、微分神经网络模块、代数神经网络模块组成,可直接接入电力系统暂态仿真器中,用于分析电力系统整体动态特性。在IEEE-39节点系统中对该方法进行仿真验证,测试结果表明：所得模型能够适应不同环境场景,准确率高,验证了方法的有效性。该建模方法仅依赖端口时序量测,在新型电力系统动态分析中具有较大的应用潜力。