基于历史告警数据的计量异常事件关联度分析

用电信息采集系统发出的异常事件告警信息数量庞大、种类繁多,目前缺乏计算异常事件关联度的模型和分析方法,因此提出一种计量异常事件关联度的分析方法。该方法以异常发生日期间隔天数为基础,通过构造关联系数函数实现关联度分析;设定关联度阈值,对存在关联的并发异常事件进行甄别。实例计算结果表明,该方法能够有效计算计量异常事件之间的关联度,提高异常告警数据利用率和异常诊断准确率。     

基于异常事件故障关联度的电能表可靠性评价方法

随着智能电网的全面建设,使得通过智能电表终端的用电采集数据来对电能表可靠性评价成为了可能。本文提出了一种基于异常事件故障关联度的电能表可靠性评价方法。由于电能表故障引起的异常事件报警存在一定的耦合关系,所以将异常告警事件分为单异常事件和并发异常事件进行分析。对于单异常告警事件,分析电能表发生异常事件报警的次数与电能表故障有无直接关系;对于组合异常告警事件,利用Apriori算法筛选出频繁发生的组合异常告警事件,然后计算异常事件的故障关联度。最后通过异常事件的故障关联度对同地区尚在运行的电能表进行可靠性评价。实例分析结果验证了本文方法的可行性。     

基于负线损分析的计量异常辨识方法

供电侧计量异常是造成分线线损率统计值为负值的一个重要原因,考虑到计量异常原因较多,仅靠现场排查难度很大。为了克服这一难题,本文提出了一种基于负线损分析的计量异常辨识方法。为了保证分析的全面性和客观性,结合实际运行情况和国家标准,对互感器及其二次回路、电能表等做了详细分析,并提炼了造成负线损超标的主要原因。为了提高现场排查效率,推导了计量异常前后线损率变化关系,并结合数据分析和故障预判提出了计量异常辨识方法,能够在现场排查前分析出可能的异常原因,提升现场核查的准确性。最后,通过实际算例计算,验证了所提方法的有效性。     

基于局部异常点检测算法的电能表飞走异常智能分析

针对用电信息采集系统在计量设备在线监控业务应用的实际情况,文中介绍了一种基于LOF局部异常点检测算法的电能表飞走异常分析方法,该方法可以通过计算电能表示值异常因子,有效判断电能表示值异常属于偶然异常还是趋势性异常,在排除偶然数据的影响后,进行电能表飞走异常的二次判断。该方法可以有效提高该类异常判断的准确性,避免故障误判,提高了现场故障处理的工作效率。     

基于智能电能表开盖事件的用电异常分析方法

为防止窃电行为给供电企业带来经济损失,充分利用智能表事件信息和电表电量等数据的关系开展用户用电异常分析,提出了一种基于智能电能表开盖事件的用电异常分析方法。以用户电能表开盖事件的时间为数据分析的时间节点,对在该时间节点前后14天的用户用电数据、台区线损数据进行分析,实现对存在异常用电用户的有效识别,并通过某供电公司的实例验证了该分析方法的实用性和有效性。     

基于耦合动态离散事件链相关性的信息网络异常检测初探

信息网络一旦遭受攻击,将给电气网络带来极大影响。文中提出一种基于事件链模型的信息物理耦合动态相关性分析方法,并尝试将其应用于电网信息网络异常动态识别。首先定义了电气网络和信息网络事件,并以事件链描述其中耦合网络动态;进而提出事件链相关性分析方法,设计通信动态异常指标,最终判断是否存在信息网络异常。以一个由IEEE 39节点电气网络和18节点放射状信息网络组成的信息物理电力网络为算例,算例结果表明,信息攻击会导致通信动态异常指标显著增大,初步验证了所述信息网络异常检测方法的有效性和可行性。     

基于RELS-TSVM的电能表电压异常数据识别

为提高电能计量工作中高压用户电能表电压异常数据识别的快速性和准确性,以负荷控制模块深度分析功能所筛选出的电压数据作为研究对象,结合鲁棒能量模型-最小二乘双支持向量机分类方法,采用蝙蝠算法对分类器参数进行优化,实现对电压异常数据的自动判断。实验结果表明,本文所提出的分类模型在泛化性能和鲁棒性方面具有较大改进,在10折交叉验证过程中对于100V、57.7V、220V额定电压等级下的电压异常数据平均识别准确率均达到100%,相比于传统的经验公式判别、决策树分类模型以及简单支持向量机分类方法在分类准确率上分别提升12.53%、3.8%、1.73%。验证了基于鲁棒能量模型-最小二乘双支持向量机分类方法的电压异常数据识别方案的可行性和优势,为基于大数据分析的计量在线监测相关研究提供了新的思路。     

有监督机器学习算法在计量装置电压异常诊断中的应用

该文介绍了一种有监督机器学习的典型算法C4.5决策树分类算法,在分析计量装置电压异常主要原因的基础上,建立了计量装置电压判断模型,评估了模型性能,并将该模型筛查出来的计量异常进行了现场排查,验证了模型的准确性。该方法可以有效提高该类异常判断的准确性,避免故障误判,提高了现场故障处理的工作效率。     

基于伪异常点辨识的关口电能表计量数据异常研究

关口电能表计量数据是贸易结算的根据,其数据质量的好坏对贸易结算的公平、公正性产生较大影响。针对现有计量数据异常辨识方法忽略了关口表异常状态与负荷动态行为之间差异性的缺陷,该文提出一种基于伪异常点辨识的关口电能表计量数据异常辨识方法。该方法考虑到用户动态用电行为具有潜在规律性,结合时间序列分解和自相关分析挖掘其内在周期性,并考虑负荷曲线的动态变化特点,采用用电相似度判据消除时间偏移影响,进而实现伪异常点准确辨识。基于西南某省电网关口表实测数据对该文方法有效性进行验证,结果表明该文方法能够有效辨识伪异常点,可满足工程实践需要。     

用电信息采集系统电能计量数据异常识别研究

针对电能计量数据识别异常问题,进行用电信息采集系统电能计量数据异常识别方法的研究。选取改进的粒子群算法优化支持向量机核函数参数,构建电能质量扰动模型,对用电信息系统采集的电能计量异常数据实施分类;利用LOF算法计算异常因子,采用飞走异常智能分析方法所确定的扰动模型来判断电能计量器示值是否异常,完成电能计量数据异常识别过程。实验结果表明：该方法对异常数据分类较为精准,识别准确率高达98.50%;检测时间较短,仅为1.121 s,均优于对比方法。说明能更好地防止发生错误判断,可有效提升电能计量数据异常判断的质量和效率。     

基于特征选择与TCED的UHVDC输电线路故障判定方法

针对多端特高压直流(UHVDC)输电线路存在的故障范围广、保护动作易误动等问题,提出基于特征选择与暂态电流能量差(TCED)的多端UHVDC输电线路故障区域判定方法。首先,采用离散小波变换对暂态故障电流进行特征分析,并基于皮尔逊积矩相关系数的母小波选择进行故障匹配。然后,利用故障两侧TCED的特性判别故障方向,通过各换流站故障方向信息确定故障区域。最后,建立四端UHVDC输电线路的PSCAD/EMTDC仿真模型,从故障位置、电阻、距离等方面进行论证。仿真结果表明,文中所提方法能有效区分电力系统暂态扰动与直流故障,准确判定线路故障区域,极大提高检测效率及故障区域判定准确率。     

针对智能变电站二次回路故障的高压断路器故障追踪

针对相关二次回路故障导致高压断路器不正确动作的情况进行分析,提出了一种基于有向二分图模型的故障追踪方法,从而对高压断路器不正确动作具体原因进行反向追踪。首先根据面向通用对象的变电站事件报文的传递路径将相关二次回路网络分簇为通信网络、保护装置、智能组件及测控装置,并将每一簇作为一个子域。其次利用智能变电站端的相关二次回路异常信息及故障原因之间的逻辑关系,在每个子域内建立基于有向二分图的故障关联模型。最后引入贝叶斯疑似度对故障原因进行计算分析并结合反向推理进行验证,从概率上保证了结果的准确性。案例分析表明,所提故障追踪方法可以及时对高压断路器不正确动作追本溯源,且具有较高的容错性。     

改进支持向量机在电力变压器故障诊断中的应用研究

针对电力变压器故障诊断中状态量判断指标过于绝对、智能算法准确率受参数影响等问题,在分析电力变压器故障的基础上,提出将支持向量机(Support Vector Machine,SVM)和细菌觅食算法(Bacterial Foraging Algorithm,BFA)相结合用于电力变压器的故障诊断方法。通过细菌觅食算法的寻优能力找到最优的支持向量机惩罚因子和核参数,提高了故障诊断能力。通过仿真和实例进行对比分析,验证了该方法的优越性。结果表明,相比于粒子群优化,细菌觅食算法具有更好的寻优能力。基于BFA-SVM的故障诊断模型,相比于改进前,具有更高的准确性、鲁棒性和寻优能力,故障诊断准确率相比于粒子群优化提高了7.50%,具有一定的实用价值。     

基于代价敏感相关向量机的变压器绝缘状态评估

变压器是电力系统中重要的电气设备,其运行状态对系统安全运行起着重要作用,将代价敏感学习机制引入相关向量机,提出了代价敏感相关向量机(Cost-Sensitive Relevance Vector Machine,CS-RVM)。该算法以误诊损失代价最小为目标,按贝叶斯风险理论预测新样本的故障类别。用典型算例验证了CS-RVM具有较高的诊断正确率,同时可在一定程度上避免故障漏诊、高危故障误诊为低危故障。在此基础上,文章尝试将其应用于变压器绝缘状态评估,提出了基于CS-RVM的油浸式电力变压器故障诊断方法,以克服现有变压器故障诊断方法未考虑误诊代价差异的问题,并采用基于DGA数据的变压器故障诊断实例对该诊断方法的有效性进行了验证。     

差分进化算法在变压器故障诊断中应用

针对典型小样本数据的变压器故障诊断,文章提出了一种基于差分进化算法优化的支持向量机构建电力变压器故障诊断方法。该方法是采用差分进化算法来优化支持向量机核函数参数g和惩罚因子C,将优化过的支持向量机对小样本故障数据进行故障诊断。实验结果表明,该方法比网格搜索优化算法和粒子群优化算法具有更高的准确率,非常适合于电力变压器的故障诊断。     

基于多源信息的电网故障诊断新方法

为在实际保护、断路器发生误动或相关警报信息出现丢失等异常情况时,仍能保证故障诊断结果的准确性,提出了新的故障诊断方法。该方法首先在覆盖集理论的指导下,基于遥信量建立了改进优化模型;然后利用小波技术对故障录波信息进行分析;最后基于改进证据理论对前2种结果进行数据融合,从而得到精确诊断结果。通过实时数字仿真器(RTDS)上的模型验证了该方法的有效性。     

基于时序信息的模糊Petri网电网故障诊断方法

为提高电网故障诊断的准确性,充分利用报警信号的时序信息,研究一种基于时序信息的分层变迁模糊Petri网故障诊断方法。首先,建立分层变迁加权模糊Petri网(WFPN)故障诊断模型;其次,构建元件、保护和断路器之间的时间关联特性(TAC),进行时间关联一致性检查;最后,通过模糊推理进行故障诊断,并对保护和断路器异常行为进行评判。通过典型电网算例推理验证,结果证明该方法不仅能够提高故障诊断的准确性和容错性,还能够判断保护和断路器的异常行为并推出元件故障发生时刻。     

重型燃气轮机状态能观度分析及其在故障诊断中的应用

不同能观度的测量模型对重型燃气轮机故障诊断精度影响很大,对测量模型的优劣进行定量评价有重要意义。针对现有系统状态能观度分析存在的不足,提出一种新的基于能观矩阵奇异值分解的状态能观度分析方法,该方法在系统状态处于不同数量级时也可以准确计算系统各个状态的能观度。利用提出的能观度分析方法,计算得到了重型燃气轮机在设计工况下各状态的能观度和各测量对各状态能观度的敏感度排序。利用强跟踪滤波器对两种能观度测量模型下重型燃气轮机压气机故障诊断进行仿真,结果验证了文中方法的正确性,该方法可以用于测量模型优劣的定量评价。     

A novel method for fault diagnosis of hydro generator based on NOFRFs

Fault diagnosis and recognition of hydro generator are important issues which encounter in repair and security posture assessment. It influences the operational planning and security directly. Volterra series as an effective modeling method has been widely used in modeling and fault diagnosis of hydro generator, but the larger number of kernels limits its application in faults diagnosis. Non-linear output frequency response functions (NOFRFs) as a transformation style of Volterra series have a more intuitive visual and simple structure. In this paper, NOFRFs have been proposed to be employed in fault diagnosis of hydro generator, and a novel online identification method is proposed at the same time. Firstly, NOFRFs models of hydro generators are built. Secondly, a new method for online identification is proposed according to the operational characteristics of hydro generators. Finally, simulation verification has been done to demonstrate the advantage of the proposed method, and experimental studies are put forward on a hydro generator to analyze the failure mechanism in different states. The results indicate that the proposed method is useful and concise for fault diagnosis and nonlinear analysis of hydro generators.