基于灰色模型的变电运维倒闸操作风险预测研究

为实现对倒闸操作风险的精准预测,降低因倒闸操作风险而导致的变电站安全事故的发生概率,开展基于灰色模型的变电运维倒闸操作风险预测方法设计。引进数据挖掘技术,构建变电运维设备的倒闸操作可视化风险模型,提取变电运维倒闸操作过程的风险特征值与异常逻辑关系。引入灰色模型,通过对变电运维倒闸操作风险趋势项的干扰分析与分解,初步掌握风险的变化趋势;根据倒闸操作状态下的设备健康值,进行倒闸操作风险的预测与量化,以此完成预测方法的设计。对比试验结果证明,所设计的方法的倒闸操作风险预测结果更加准确,说明此方法能够为变电运维等相关操作行为提供技术保障。     

基于改进PSO优化LSTM网络的典型用电负荷模式识别

新能源发电的推广和使用加剧了用电高峰期电网供需矛盾,对电力用户的负荷模式进行识别可以为负荷参与调峰决策提供支持。为提高用电负荷模式辨识准确率,提出一种基于改进粒子群（IPSO）算法优化长短期记忆（LSTM）神经网络的用电负荷模式识别模型。通过引入多样化初始参数、动态非线性权重和淘汰机制等措施,改善了粒子群算法的寻优能力,实现对LSTM的关键参数寻优,确定LSTM神经网络的最优参数组合。实验结果表明,该方法可以有效提高模型的准确率,同时节省模型的训练时间。     

基于机器学习的电网继电保护及自动化算法分析

由于现代处理器的计算能力足以处理电网各区段各个运行模式所需参数的统计工作,因此开发识别应急模式的全新算法,并将其应用于电保护及自动化（RPA）中。本文分析了经典机器学习算法在RPA任务中的应用,特别是k-nearst、Logit模型和支持向量方法。研究了专门的可训练触发元件的使用,既用于建立新的保护,也用于提高传统类型继电保护装置的稳定性。开发的多参数RPA触发元件有助于提高事故的敏感性和识别能力,提出的应急模式识别方法适用于数字化变电站智能电子设备。     

后疫情时代县级电网内涝灾害应对策略优化

县级电网属于电网的薄弱环节，然而关于县级电网内涝应对策略的研究却常常被忽视。根据县级电力企业特点以及县级电网内涝后的应急管理现状，分析并提出了针对后疫情时代内涝灾害后电网应对策略的优化建议。