图像化数据驱动的电力系统暂态稳定性在线评估方法

目前电力系统暂态稳定性评估（TSA）大多采用标准算例生成的数据集,然而实际电网的母线、发电机、线路等电力元件的数量巨大,难以实现评估模型的实时监视和在线更新;而现有降维方法常常遗漏重要信息,导致预测精度下降。提出一种图像化数据驱动的电力系统暂态稳定性在线评估方法,将输入时间序列重新排列成二维图像,利用二维主成分分析法（2D-PCA）对原始图像进行特征降维,并建立卷积神经网络（CNN）模型进行系统稳定性预测。在IEEE-39算例中进行验证,结果表明本文所提基于2D-PCA和CNN的TSA模型在保证预测精度的同时能够大幅提高训练效率,有望推进深度学习在电力系统暂态稳定性在线评估的应用。     

采用随机矩阵与CNN的暂态电压稳定快速评估

为了发展基于数据驱动的电力系统暂态稳定性预测理论与方法,提出了一种基于随机矩阵理论与卷积神经网络的暂态电压稳定快速评估方法。通过构建高维随机矩阵,从电网底层量测数据中提取高阶特征作为输入;凭借一维卷积和池化运算特性所具有的特征提取能力,充分挖掘输入特征与电压稳定评估结果之间的非线性映射关系,建立了基于一维CNN的暂态电压稳定评估模型。利用PSS/E和Matlab软件,算例分析在新英格兰10机39节点测试系统中展开,与传统机器学习评估方法的结果进行比较,结果表明,所提方法具有正确率高、计算时间短及抗噪性能高的优点。     

基于多尺度深度卷积网络特征融合的滚动轴承故障诊断

针对传统滚动轴承故障诊断模型对工程先验知识依赖性强、提取特征不充分、分类器选取困难等问题,提出一种基于多尺度深度卷积网络特征融合的滚动轴承故障诊断模型.首先,建立集特征提取与模式识别于一体的卷积神经网络模型,利用小波变换将滚动轴承振动信号转换为二维图像作为输入样本集.然后,在网络结构中构建多尺度特征融合模块自适应提取故...     

考虑暂态电压稳定性的电力系统多目标无功备用优化

鉴于目前电力系统无功备用优化方法较少涉及暂态电压稳定性,提出一种同时提高电力系统静态/暂态电压稳定性的无功备用优化模型,该模型首先基于数据密度提出一种无功电压控制分区方法,分别在静态/暂态电压的薄弱区域内定义静态/暂态无功备用,然后结合所建立的两个目标建立多目标无功备用优化模型,最后提出一种基于多阶段的多目标优化求解方法。通过求解所建模型,获得能够同时提升系统静态/暂态电压稳定性的无功备用配置方案。对IEEE 39节点系统的仿真分析证明了所提方法的有效性。     

基于响应的电压稳定性评估和控制方法

提出了一种根据电力系统网络节点的实时信息评估系统电压稳定性的方法,当系统电压稳定裕度较低时,根据全网响应信息获得相应的切负荷量。该方法基于两节点电力系统等值网络,得到了系统电压稳定性的评估指标;从系统等值网络的等值过程出发,将节点等值负荷分成自身负荷和转移负荷两部分,推导了该节点电压稳定性的评估指标与有功负荷量之间的关系式,从而获得了该节点在满足一定电压稳定指标情况下的最大有功负荷量,进而得到该节点所需要的切负荷量。该方法首先利用电压稳定性的评估指标在线监视电网中各节点的电压稳定性,辨识危险节点;当系统电压稳定性不满足要求时,根据全网的电压、电流量等响应信息计算危险节点需要的减载量。在IEEE14节点系统和IEEE24节点系统下的仿真结果表明,所提方案能够保证电网的电压稳定性。     

基于CNN-LSTM深度学习的燃烧不稳定性检测方法研究

提出了一种基于高速火焰图像序列的深度学习模型来检测燃烧不稳定性．模型以高速火焰图像序列作为输入,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)同时学习图像序列的空间特征和时间相关性,输出燃烧不稳定性检测结果．利用旋流燃烧室多种工况下稳态和非稳态的瞬态火焰图像数据集验证模型的鲁棒性和准确性．该深度学习模型被证明是一种潜在的燃烧不稳定性检测工具,并有望成为一种很有前途的燃烧不稳定性预测工具．     

基于深度学习的齿轮箱故障模糊诊断方法

风电机组齿轮箱作为传动系统重要组成部分,其运行状态关乎整个风电机组的健康运行。由于齿轮箱振动信号具有非线性、非平稳等特性,传统时频分析方法分解故障信号和提取故障特征的能力有限。因此,文章提出将深度学习应用于齿轮箱故障诊断中,通过构建一维卷积神经网络模型对齿轮箱不同状态下的特征向量进行高效提取、重构。同时,将模糊理论应用于分类器,构建一个模糊多分类器(FMC)对故障进行识别,提出了以平均隶属度作为故障等级判断标准。实验结果表明,文章所提方法在确保齿轮箱故障诊断高准确率的同时,提升了故障分类的精度。     

多参数耦合的蒸汽动力系统运行稳定性评估方法

为解决多参数耦合情况下蒸汽动力系统整体运行稳定性评估的问题,在基于时间序列分析的单参数运行稳定性评估的基础上,提出了一种蒸汽动力系统整体运行稳定性评估方法。该方法通过分析蒸汽动力系统运行参数的相关性和作用机制,选取相关状态参数建立系统的整体运行稳定性评估指标体系;然后通过引入连接函数（Copula函数）建立稳定性指标计算模型,实现系统在多参数耦合情况下的联合失稳概率和整体运行稳定性指数计算。经实例验证,该方法能够依据监测参数历史数据,相对精确地预测出系统未来一段时间的运行状态,预测精度达到秒级。     

基于改进深度森林的暂态电压稳定快速评估

随着高压直流输电工程的密集投运,暂态电压稳定问题日益凸显,对系统安全稳定运行产生了严重的威胁。基于改进的深度森林,提出了一种暂态电压稳定智能化评估方法。通过最大相关最小冗余（maximum correlation minimum redundancy, mRMR）代替多粒度扫描提取强表征特征子集,避免了计算量大、内存占用多问题。然后,对极限梯度提升树（extreme gradient boosting, XGBoost）进行集成以构造新的级联森林,进一步提升模型预测精度。在改进的新英格兰10机39节点测试系统中开展算例分析,结果表明,所提方法具有评估精度高,计算耗时短和鲁棒性强的优点,可辅助电网运行人员在故障后及时预判暂态电压失稳风险,从而提升系统安全稳定运行能力。     

基于多层特征融合注意力网络的电能质量扰动识别方法

针对复杂电网环境下电能质量扰动特征冗余、分类精度低的问题,经过多层卷积神经网络逐层获取电能质量扰动信号低维到高维特征信息,引入特征注意力机制构建多特征融合层消除特征冗余,提升扰动信号关键特征关注度,并加强扰动信号的局部特征与全局特征的提取,提高模型泛化能力进而提高扰动分类精度,据此提出基于多特征融合注意力网络的电能质量扰动识别方法。仿真结果显示,所提方法不仅在单一扰动、复合扰动下能有效辨识电能质量扰动,而且能有效克服噪声干扰对模型的影响,相比主流扰动分类方法提取的特征辨识度更高、模型抗噪性更强。     

一种基于深度强化学习的电网潮流特征提取方法

为了解决现有特征提取方法存在特征辨识度低的问题,基于深度强化学习设计电网潮流特征提取方法,为了提升潮流特征的辨识度,利用点估计法计算电网潮流,以此为基础,通过模拟退火算法生成电网潮流图,并灰度处理电网潮流图,以灰度处理后的电网潮流图为依据,利用深度强化学习方法提取电网潮流特征,实现了电网潮流特征的提取。实验结果表明：与现有的电网潮流特征提取方法相比,文中电网潮流特征提取方法极大地提升了特征辨识度,证明了基于深度强化学习的电网潮流特征提取方法具备更好的特征提取性能。     

基于电压时间序列的电力系统暂态电压稳定分析

基于实时获取的广域测量信息,提出一种利用机端电压幅值偏差序列的最大Lyapunov指数指标(LLE)与机端电压幅值序列相结合的暂态电压稳定判别方法.基于无需系统模型的LLE计算方法,建立LLE与机端电压幅值偏差序列的数学关系,根据最大Lyapunov指数曲线运动的轨迹特征,以及机端电压幅值变化率-电压幅值偏差(Vmag...     

基于模态法的静态电压稳定性分析

提出了基于模态法的静态电压稳定性分析的新方法,通过建立模态法的静态电压稳定分析数学模型,求取潮流方程雅可比矩阵的最小特征值及其相对应的特征向量,以最小模特征值来间接评估系统的静态电压稳定裕度,并在此基础上提出了参与因子指标,计算各个节点在最小特征值下的节点参与因子来找出哪些节点或区域的电压稳定性较差.通过对某大型电网进行研究,得到其相应的电压薄弱区域,并与灵敏度分析法所得到的结果进行对比,结果基本一致,从而验证了本文方法的合理性与有效性。     

基于改进连续潮流法的电压稳定极限计算方法

针对电压稳定性分析连续潮流法的计算效率、精度及收敛性问题,提出了一种改进型的连续潮流法.该方法在参数化中,有机结合了物理参数化和局部参数化在不同区域的优点,在校正过程引入了一种新的预测-校正法,在步长控制中,提出了变步长控制函数,极大地提高了算法的计算精度、效率和收敛性.最后通过实例证明该方法可以提高连续潮流法分析电压...     

基于深度学习的发电机故障挖掘方法研究

发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。     

福建电网故障扰动下的暂态电压稳定性研究

以福建电网2008年年底大方式为基础,采用PSD电力系统分析软件对各种故障扰动下福建电网的暂态电压稳定性进行数字仿真计算和分析,模拟了三相故障永久性跳闸、发电机组失磁、两台联变故障、电厂全停等多重故障形式.仿真结果分析表明,该方法研究动态电压特性有效,采取合理的控制措施可提高电网可靠性和系统抗扰动能力.     

基于改进的特征量描述方法的电压暂降综合评估

考虑到电压暂降本身的复杂性和用电设备的多样性,对不同站点的电压暂降严重程度进行综合评估,采用线性分段方法将暂降持续时间按其幅值进行划分,改进电压暂降特征量的描述方法,基于该方法综合考虑系统侧能量指标及用户侧严重性综合指标,其中,用户侧指标采用4种敏感设备严重程度,并结合站点监测负荷的比例合成一个统一的基于该站点负荷分布的敏感设备评价指标,最后用熵权法结合系统侧和用户侧评估指标形成新的综合评估指标。对上海市某站点实际测量数据的分析结果表明,该评估方法可客观、有效地评估站点电压暂降风险,可用于实际暂降的综合评估。