中短波发射台供配电故障定位研究

为了解决中短波发射台供配电系统的故障问题，提高系统运行的稳定性，提出中短波发射台供配电故障定位方法。在中短波发射台供配电系统中安装感知传感器，并利用该设备获取供配电信息，分别从数据、特征和决策3个层级实现信息融合。将直接故障事件和潮流配电量设置为判据，确定供配电故障识别结果，综合配电侧故障的故障类型和故障线路等信息，得出最终的中短波发射台供配电故障定位结果。为了验证设计的中短波发射台供配电故障定位方法的综合性能，进行实验，结果表明，该方法的定位结果更精准、耗时更短，验证了该方法的可行性。     

基于支路暂态势能和两端电压识别临界机群的新方法

简便而准确地识别大扰动下的电力系统分群模式是电力系统动态分析方法如TEF、EEAC、Hybrid TEF和Hybrid EEAC等诸多动态安全评价方法中非常重要的问题之一。提出一种识别电力系统临界机群和非临界机群的新方法，该方法基于支路的暂态势能及支路两端的电压变化情况构建量化的指标以识别故障后网络中临界割集，进而实现对临界机组分群的快速判别。该方法仅依赖于支路的运行变量， 而无需发电机的任何动态信息，不仅数据需求小，而且算法简单易于实现。该方法的有效性在New England10机39节点系统中得到满意的验证。     

一二次融合配电开关的融合决策及故障诊断研究

针对一二次融合配电开关设备运行过程中实时数据标准化度、采集准确度和处理效率低,导致决策水平融合性差以及故障诊断误差大突出等问题,文中提出了基于不同信息类型的分类、识别与融合决策方法,形成了标准化的数据源。在此基础上开发了基于决策层的融合算法、一二次融合开关设备实时运行数据准确采集与高效处理技术和BP神经网络故障模型的故障快速诊断系统,通过大幅提高实时运行数据采集精度和处理速度,为用户赢得提前处置故障信息的宝贵时间,当运行中的一二次融合配电开关设备发生故障时能够及时向用户发出预警及对故障隔离。经试验验证,该系统具有采样准确率和处理效率高的特点,为一二次融合配电开关设备在电力系统中全面应用提供了技术支持。     

基于参数识别的单端电气量频域法故障测距原理

在分析故障网络方程基础上，提出了一种新的频域法测距原理。该方法将对端系统电阻、电感、故障点过渡电阻和故障距离作为待识别参数，利用故障暂态电流电压丰富的频谱信息，结合故障暂态及稳态响应中测量点电流电压频域网络方程，采用参数识别的方法求解故障距离及对端系统参数，从原理上克服了传统单端测距方法受系统阻抗影响的缺点，方法简单可靠，此外，文中给出了一种从离散采样数据值中提取频谱的方法，EMTP仿真表明文中方法具有较高的测距精度，可方便地推广到线路为R-L模型和分布参数模型的情况。随着光互感器的成熟和应用，该方法有望得到实际应用。     

电网调度省地一体化试点工程关键技术方案

为适应电网智能化发展的进一步要求,省地电力调度控制中心(简称省地调)基于全景信息进行电网一体化运行和统一协调控制成为迫在眉睫的需求。文中针对电网模型、采集数据、功能应用等方面对电网调度省地一体化关键技术开展研究,实现省地调之间电网模型、图形等信息能够动态交互和按需共享,实时数据、历史数据、故障信息等信息能够动态交互、按需引用和校核互备,并探索实现若干省地一体化典型应用。该研究课题也是智能电网调度技术支持系统在江苏试点工程建设的重点内容。     

一种基于录波启动信息的电网故障诊断特征向量中心性方法

文中提出了一种根据故障录波启动信息进行图信号建模，并基于网络节点特征向量中心性算法的电网故障诊断方法。首先，从继电保护及故障信息主站的故障录波启动信息构建故障启动信息网络图；其次，利用图平滑性分析方法判断电网是否发生故障及识别故障类型；最后，基于网络节点特征向量中心性算法识别故障元件，并进行可视化展示。仿真验证了所提算法的有效性。该方法作为录波智能故障分析的一部分，有助于快速掌握电网故障情况，并有重点地收集录波数据进行故障分析和校核，提高录波分析效率。     

基于雷电信息的电网故障诊断系统研究

随着信息技术的发展,电网运行信息、故障信息及一次设备状态监测信息逐步开始融合,为实现基于多数据源信息的故障诊断与应用提供了前提依据,文中提出了一种利用雷电定位信息进行电网故障分析的信息综合处理方法。首先从整体上剖析了现有电网故障信息系统与雷电定位系统的基本构成和数据特征,在此基础上应用分阶段故障分析的思想,设计了使用雷电定位信息进行故障分析的流程,并提出数据融合与处理方法。最后,以某电网220 kV线路实际故障为例,对该故障诊断算法和方法和流程进行说明,并验证其有效性。     

基于损失函数的SVM算法及其在轻微故障诊断中的应用

尽早识别轻微故障，对提高生产过程设备运行的安全性具有重要意义。为实现对设备轻微故障的正确识别和及时诊断，该文提出了一种基于损失函数的支持向量机(SVM)算法。应用模糊理论的方法对支持向量机分类及最优分类面进行了解释，对可疑分类区列出了模糊隶属度的表达式。针对故障诊断等问题中误判造成的损失不同这一特点，定义了基于损失函数的模糊隶属度，并得出了修正后的最优分类面。SVM算法可以实现对设备轻微故障的准确识别，并可近似地判别故障的严重程度。文中以汽轮机减速箱轴承运行状态诊断为例，对样本数据经K-L变换后进行可视化研究，分类结果表明了该算法的可行性。     

主动配电网故障时刻和故障区域的同步数据统计特性识别方法

针对主动配电网故障时刻确定和故障区域识别问题,将数据统计理论应用于同步数据的故障特征提取上,提出了一种使用同步数据统计特性进行主动配电网故障区域和故障时刻判别的方法。该方法首先使用微相量测量单元的量测数据构建历史数据集和在线数据集,然后通过求解在线数据相对历史数据的最大方差偏离方向来实现对系统运行状态的评价。为求解方向问题,文中将最大方差偏离方向问题转化为广义特征值求解问题,并建立基于协方差矩阵最大奇异值的比率的评价指标,最后根据综合评价指标确定故障发生时刻和故障区域。通过改进的IEEE 34母线系统对方法的有效性和准确性进行验证,结果表明所提时间确定和故障区域定位方法具有自适应性且是准确可靠的。     

计及信息不确定性的风电机组健康状态实时评估方法

运行工况识别作为风电机组状态监测与健康管理领域的重要环节,往往受到不确定信息以及高速实时数据流的影响,造成健康状态评估难以有效实施。在此背景下,文中提出一种基于Spark流式处理的健康状态实时评估方法。首先,采用大数据分析技术实现风电机组运行工况的空间划分;然后,在充分考虑风电机组监测信息不确定性的情况下,结合数据采集与监控(SCADA)历史运行数据,对基于高斯云模型和高斯云变换的健康状态评估模型进行训练,并以健康指数作为风电机组健康状态评估的指标。最后,将该评估方法应用在中国北方某风电场1.5 MW风电机组故障前的健康状态评估中。算例分析结果表明,该方法可监测到风电机组健康状态的变化趋势,初步实现了故障的早期预警。     

基于时间序列相似性匹配的输电系统故障诊断方法

输电系统发生故障后的警报信号具有丰富的时序信息,若能充分利用则会有助于快速和准确地诊断故障。调度中心采集到的故障警报包含了统一时标基准的时序信息,从而构成了时间序列。在此背景下,将时间序列的数据挖掘概念与相关方法引入输电系统故障诊断之中,提出了基于相似性匹配的故障诊断方法。首先,介绍了时间序列的概念及其相似性匹配方法。随后,将这种方法进行了改进并应用于输电系统故障诊断,构造了相应的时间序列模型,定义了时间序列距离,采用子序列匹配查询方法求解,并与近年来提出的两种输电系统故障诊断方法进行了比较分析。所提出的方法利用警报信息序列的时序特征,对于复杂故障、相继故障等情形仍能迅速识别警报漏报/误报等情况,正确诊断出故障元件与故障类型,并对继电保护装置进行评价。最后,用两个实际案例说明了所提出的故障诊断方法的可行性与有效性。     

大型风电基地连锁故障在线预警系统研究与开发

针对大规模风电连锁脱网事故频发,研究并开发了大型风电基地连锁故障在线预警系统。首先分析风电连锁故障的事故特征,确定建立风电连锁故障在线预警系统的关键环节,完善风机模型、建立风机保护模型和无功补偿模型。然后基于在线动态安全评估技术,提出了适合于大型风电基地的连锁故障在线安全预警的方案和基本结构,包括在线数据整合与预想故障集,风电场连锁脱网事故搜索方法,连锁故障严重性评估方法和连锁故障在线预警并行计算方案。研发的系统在电网中进行了实际应用,验证了所提方法的合理性和有效性。     

变压器零序功率方向保护接线的正确性分析

多绕组主变压器的零序功率方向保护所用的3U0和3I0,运行实践表明,由于现场安装调试、运行维护人员在带负荷检查和安装接线的错误,使方向保护在系统故障时误动和拒动。为此该文利用对称分量法,分析电力系统发生不对称接地故障时的零序电流分布情况,得出如何判断三绕组主变压器高、中压侧零序功率方向保护的正确接线,并提出现场调试、运行维护中应该注意的事项,对防止主变压器零序功率方向保护误接线和误判断、误动有参考的价值。     

基于Thompson tau-四分位和多点插值的风电功率异常数据处理

针对传统风电机组风速-功率异常运行数据处理清洗时间长、模型复杂的问题,提出一种基于Thompson tau-四分位法和多点插值的异常数据处理算法。首先,对切入风速与切出风速间等于或小于零的异常功率数据点予以剔除,通过划分风速区间,采用Thompson tau-四分位法对异常运行数据进行分段精细化清洗,降低异常点辨识的模型复杂度;然后,通过四点插值细分算法对清洗后的异常数据进行重构,获得完整的风速-功率有效数据;最后,以风电机组实际风速-功率数据为算例进行对比分析。结果表明所述方法实现简单、效率更高,尤其在临近风电场数据缺失、异常、不可用情况下,所提出的重构方法能有效提高重构数据质量,且重构效果更优。     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

海量数据驱动的变压器故障类型高性能诊断方法

电力变压器故障与否直接影响电力系统运行可靠性,准确且高效的变压器故障诊断有助于及时发现电网不安全因素。本文提出一种基于海量数据驱动的优选训练样本的分布式神经网络决策变压器故障类型方法。首先通过比值法求取DGA的比值型特征向量,根据皮尔逊相关系数和欧氏距离双指标计算方法在各类别中选取更具该类代表性数据作为训练样本；再通过插值-随机抽样方法应对训练样本类间数据不平衡问题并对其进行抽样分块；为适应海量数据处理,在Spark平台上将BPNN算法并行化实现以提高算法性能表现,各BPNN学习不同训练样本块构建性能不同的子分类器；最后对子分类结果多数投票得到最终诊断类型。算例表明所提方法对变压器故障类型诊断效果良好,诊断正确率较IEC三比值法和传统串行BPNN高,证明了该方法对于变压器故障类型诊断的有效性与适用性。     

深度学习在智能电网中的应用现状分析与展望

深度学习是机器学习研究中的一个新领域,其强大的数据分析、预测、分类能力契合智能电网中大数据应用的需求。文中首先总结了深度学习基本思想,介绍深度学习的5种模型(生成式对抗网络、递归神经网络、卷积神经网络、堆叠自动编码器和深度信念网络)的结构、基本原理、训练方法,概括其应用特征。综述了电力系统中的故障诊断、暂态稳定性分析、负荷及新能源功率预测、运行调控等应用深度学习技术的研究现状。针对深度学习的技术特点,结合电力系统各生产环节,构建深度学习技术在电力系统中的应用框架。最后,从多能源系统运行调控、电力电子化系统安全分析、柔性设备故障诊断、电力信息物理系统的安全防护等方面对深度学习应用进行展望。     

基于电力数据网的电网故障录波数据综合处理系统

电网故障录波数据综合处理系统基于联网录波器及主站分析系统,实现故障录波数据快速收集、及时处理、综合分析等功能。详细阐述了杭州电网故障录波数据综合处理系统及相关功能技术。该系统已投入实际应用,取得良好的应用效果。     

电网监测系统中数据网关的实现

论述了在Windows 98环境下，基于Visual C 6.0开发平台，利用多线程技术，ODBC标准，TAPI和WinInet接口开发的电网监控系统的数据网关，从而实现将地理分布离散的各变电站保护设备故障信息在调度中心集中管理，并进一步把故障数据转发到网络数据库和Web服务器，使故障信息数据在电力系统的MIS网上被共享，数据网关不仅管理信息数据，而且是具有强大的计算与分析功能的工程师工作站，可进行波形分析，故障定位等处理。