电力系统可靠性原始参数的滚动预测和残差修正

可靠性原始参数的分析与确定是电力系统可靠性评估的基础。针对电力系统可靠性原始参数匮乏的情况,利用灰色系统小样本的特点,运用滚动预测对可靠性原始参数的预测进行残差检验,在考虑数据新陈代谢的同时又能减少计算量。并对滚动残差的变化规律作了分析,建立其单调区间的灰色预测模型,进行残差修正,补偿原有的预测数据,使预测值能更好地拟合原始数据。最后,通过实例计算和模型精度检验说明该方法有较高精度。     

基于残差符号信息识别残差污染

残差污染的存在对正确检测与辨识坏数据的危害很大,而用一种统一的方法,根据量测残差识别出残差污染,从而准确地检测与辨识坏数据一直非常困难。文中基于残差符号信息研究状态估计中的残差污染问题,探讨了基于残差灵敏度矩阵和残差符号判断存在严重的残差污染的可能性,在此基础上,提出了利用残差符号信息识别严重的残差污染的方法,用简单的图示直观地描述了这一方法。IEEE 30节点系统上的试验证实了所提出的方法提高了检测与辨识坏数据的准确性。     

基于证据融合理论的多不良数据辨识

为更好地克服残差污染和残差淹没,实现多不良数据的辨识,引入电气距离、节点相关系数和灵敏度作为证据,运用证据融合理论确定测量关联度,测量关联度可反映测量数据出现残差污染和残差淹没的可能性。对于残差较大且测量关联度较小的数据,发生残差污染的可能性较小,可直接辨识为不良数据;对于残差较大且测量关联度较大的数据,采用模糊聚类方法,隔离不良数据,对系统进行分区,并逐步修正不良数据,选择可靠测量数据重新进行状态估计。算例结果验证了该方法的有效性。     

基于增广状态估计的混合不良数据诊断与参数辨识

电网同时存在遥测坏数据和参数错误时,由于坏数据会影响参数辨识结果,全网参数辨识和估计方法很难保证结果的准确性。文中提出一种基于增广状态估计的混合不良数据诊断与参数辨识方法,先通过残差平衡度判断不良数据是遥测坏数据还是错误参数,将遥测坏数据直接剔除;然后,通过分区方法将多个潜在的不良参数尽可能分开在不同的局部区域,以减弱不良数据之间的相互影响;最后,采用分区增广状态估计方法修正不良参数。算例结果表明,该方法能有效区分坏数据和错误参数,且分区参数辨识能避免不良数据之间相互影响,从而提高了可疑参数辨识的精度。     

基于向量投影的数据检验PCA方法

提出了一种基于向量投影的数据检验PCA方法，该方法在对测量参数相关性分析的基础上，采用主成分分析进行建模，提取了其中的主要特征信息，实现了高维复杂数据的降维，通过数据重构可对各测量数据进行正确的估计，采用向量投影的方法对重构残差向量进行变换，通过得出的两类结构化残差可对故障仪表进行正确的检测与定位。以国产200MW机组为具体对象，给出了该方法的算例和检验结果。     

基于残差卷积自编码的风光荷场景生成方法

随着风、光等新能源的发展,对含大量风、光电网的调控和运行提出了更高的要求。典型场景是处理该问题的主要方式之一。针对传统聚类生成典型场景的方法易产生数据信息损失、特征提取不够精确等问题,提出了一种基于残差卷积自编码聚类的风光荷不确定性源场景生成方法。首先,利用残差卷积自编码器网络提取风光荷数据的特征,在减少数据信息损失并考虑风光荷耦合性的前提下,降低数据维度;然后,为了减少噪声数据对实验结果产生的影响,利用k-medoids进行聚类从而生成典型场景。最后,以西北某地区电网实际采集数据为研究对象进行算例分析, 与传统聚类方法进行戴维斯堡丁指数(Davies-Bouldin index,DBI)、Calinski-Harabaz指数(Calinski-Harabasz index,CHI)等指标对比,验证了所提方法的可行性。     

基于深度残差网络的SSO模态参数辨识

针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识,辨识算法抗噪性差、辨识结果可靠性低等问题,提出一种基于深度残差网络的次同步振荡模态参数辨识方法。建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型;模型训练数据集依据SSO信号特点生成,全部采用仿真数据;经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识。利用理想信号、含噪仿真信号和现场实测数据等三种方案对模型性能验证,结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数,与卷积神经网络(CNN)和随机子空间(SSI)算法相比较,辨识精度更高,受噪声干扰小,具有盲辨识的特点,可用于电力系统次同步振荡风险的预警。     

基于残差符合信息识别残差污染

残差污染的存在对正确检测与辨识坏数据的危害很大,而用一种统一的方法,根据量测残差识别出残差污染,从而准确地检测了与辨识坏数据一直非常困难。文中基于残差符号信息研究状态估计中的残差污染问题,了基于残差灵敏度矩阵和残差符号判断存在严重的残差污染的可能性,在此基础上,提出了利用残差符号信息识别严重的残差污染的方法,用简单的图示直观地描述了这一方法,ＩＥＥＥ３０节点系统上的试验证实了所提出的方法提出了检测     

基于邻域降噪正交自编码器的工业过程故障检测

针对采用自编码器提取过程特征进行故障检测时,没有考虑数据的局部结构信息,提出邻域降噪正交自编码器（neighborhood denoising quadrature autoencoder, NDQAE)的方法。邻域保持嵌入算法提取数据的邻域信息作为权重对过程数据进行加权,强化数据局部结构信息。正交自编码器进一步提取带有局部信息加权的过程数据非线性特征。通过加入噪声增强自编码器的鲁棒性,并采用反向传播算法训练网络参数,获得能够捕捉数据局部特性和全局特性的鲁棒自编码器模型。在该模型的隐特征和重构残差空间分别构建T2和SPE统计量,并计算统计量控制限用于故障检测。在田纳西-伊斯曼（TE）化工过程和三相流过程进行仿真实验,结果表明了所提算法的有效性。     

电网设备错误参数的支路量测标幺值残差代数和均值辨识法

充分考虑随机量测误差的正态分布特点,提出了基于单一设备多时段相量测量单元(PMU)或数据采集与监视控制(SCADA)量测的错误参数均值辨识法.该方法首先基于线路、双绕组和三绕组变压器的等值电路模型及其PMU或SCADA量测信息,提出单一设备同一时段的综合标幺值残差指标,以综合反映量测与参数误差对残差的影响;然后以方差系数为收敛条件,求取多时段综合残差代数和均值的绝对值(指标T),以突出参数误差对综合残差均值的影响;最后根据综合残差均值的大小来辨识设备的参数错误.分析了文献错误参数综合残差平方和均值辨识法存在的问题,论证了所提方法在消除量测误差影响和确定均值样本数两方面的优势,并通过仿真分析验证了所提方法的有效性.     

火电厂实时监控系统测量数据预测的研究进展

分类介绍近年来国内外各种数据预测方法,重点论述各种人工神经元网络的数据预测应用情况,包括BP神经网络、Fuzzy神经网络、径向基神经网络(RBF)、自联想神经网络(AANN)、基于神经网络的偏最小二乘法(NNPLS)以及组合预测方法。针对火电厂测量数据的特点及实时监控系统的要求,可以考虑将NNPLS法运用在实时数据预测方面,利用其应用简单、收敛迅速、估计值对噪声和坏点敏感度低等优点提高预测的效率和精度。     

基于PMU的电力系统建模及参数辨识

广域测量系统可完整的记录电网的动态过程信息,从而为电力系统的模型建立和参数辨识提供了有效的路径。利用相量测量装置(PMU)记录电网的实时动态信息,可实现对输电线路参数的辨识,包括对称分量和不对称分量;实现对发电机模型参数、励磁系统及调速器模型和参数的辨识;实现对负荷的建模和负荷模型的参数辨识。本文简明扼要的介绍了基于PMU实现上述功能的基本原理和方法,指出可利用当前国内大量广域测量系统建成的有利条件,积极开展线路的参数辨识、发电机、励磁系统、调速器和负荷的建模及参数辨识工作,从而提高电网仿真计算的精确性,为电网调度运行和分析人员提供有益的指导。     

基于PMU的同步发电机在线参数辩识研究

针对同步发电机离线参数测量方法不能精确反映发电机运行特性,提出利用相量测量装置PMU实现对发电机运行参数的实时采集,从而实现发电机运行时参数的在线参数辨识。阐述了同步发电机5阶、3阶以及2阶数学模型及参数表示的物理含义;提出了利用PMU实时采集发电机机端电压、电流以及励磁电压、电流,在WAMS系统主站利用GA算法实现对发电机参数的在线辨识。辨识结果证明了发电机参数在线辨识的可行性和有效性,具有较高的理论价值和实际价值。     

基于孤立森林算法的电涌保护器异常参数监测研究

应用孤立森林算法构建电涌保护器(SPD)的异常参数监测模型,通过令模型学习正常SPD参数数据的分布,来对无法拟合至该分布内的SPD异常参数数据进行识别,进而对器件实际状态及劣化程度进行评价预警。研究先对SPD进行多参数采样,将得到的390组实验数据进行预处理,结合算法模型计算每组采样数据对应的异常值,来识别对应异常的采样数据,最后根据每组数据对应的标签,对算法的准确度进行验证。检验结果表明,基于孤立森林算法构建的监测模型可以对SPD采样数据的异常程度进行评价,锁定SPD在系统中可能出现不良或劣化状态时所对应的参数值。对于实验数据集,该算法模型在选择不同参数下的性能指标AUC值不低于96%,为SPD性能的监测研究提供了新的思路。     

一种基于轨迹灵敏度的发电机参数抗差估计法

提出了一种基于轨迹灵敏度的发电机参数抗差估计方法,可应用于发电机参数在线辨识与仿真模型校正。首先,利用轨迹灵敏度辨识出对电力系统动态过程影响较大的主导参数集作为待估计参数集。然后,基于相量测量单元(PMU)量测数据,采用基于轨迹灵敏度的逐次逼近方法对该模型进行求解,可以快速得到最优估计结果。另外,将一种具有很强抗差能力的最大指数平方估计模型引入到参数估计中,该估计模型具有自动压缩坏数据影响的能力。新英格兰系统的算例表明,所提出的方法有效,且具有很强的抗差能力。     

基于参数回归模型的异步电动机等值电路参数测定

在参数回归模型的基础上,对更接近于实际小转差运行工况的负载运行的实验数据进行参数回归,不仅可以避免常见测定方法的不足,还可以避免测量误差的干扰,得到更为准确的异步电动机等值电路参数。利用1stopt进行实验数据的参数回归处理,可以进行容易地解出异步电动机参数回归模型方程的解。探寻了几种回归模式在获取准确参数方面的可能性,表明基于参数回归模型的异步电动机等值电路参数的1stopt测定方法具有实际的指导意义和应用价值。     

基于支持向量机和交叉验证的变压器故障诊断

为及时监测变压器潜伏性故障和准确诊断故障,提出基于优化惩罚因子C参数的支持向量机算法（C-SVC：C-support vector classification）和交叉验证算法相结合的变压器故障诊断方法。该方法利用变压器在故障时产生的氢气、甲烷、乙烷、乙烯、乙炔的体积分数数据建立训练集和测试集。在训练集中,该方法能自动优化出（寻找最佳）支持向量机的核函数的参数γ和惩罚因子C,利用优化的参数对训练集进行训练,可得到最佳的支持向量机模型,并用该模型对测试集进行分类,从而诊断出变压器的故障类型。变压器故障诊断实例分析结果证明,该方法可行,有效,且具有较高的故障诊断准确率。     

基于无线通信技术的煤矿安全系统设计

设计了基于无线通信技术的煤矿安全系统,用于实时监测煤矿环境参数,并进行无线传输及告警。该系统以ARM处理器Freescale i.MX6Cortex-A9、射频Soc CC2530和GPRS模块MC35i为核心,通过传感器节点采集煤矿环境参数,通过GPRS网络和ZigBee网络进行无线传输;远程监控中心对接收到的数据进行统计和分析,提供安全监测和预警服务。实验结果表明,本设计可以准确测量可燃气体浓度,并在一定距离内进行可靠的无线数据传输。本系统实时性好、可靠性高、布局方便、成本低,具有较强的实用价值。     

基于线路参数估计的高压架空输电线路故障测距新算法

在现有的故障测距算法中,输电线路参数都是作为已知恒量参与运算,其准确性是影响测距精度的一个重要因素.文中提出一种基于线路参数估计的故障测距最小二乘算法,该算法无需已知准确的线路阻抗参数,无需增加硬件装置,利用现场双端故障录波装置提供的数据,在线估计出线路参数,同时计算出故障距离,从原理上克服了现场实际因素造成的线路参数不准确或变化对测距结果精度的影响.理论分析及仿真结果表明,该算法具有很高的测距精度.