基于嵌入式的复合绝缘子憎水性检测方法研究

为了客观、快速、准确地测量在线或离线复合绝缘子表面的憎水性,依据憎水性分级法(HC),设计了一套便携式绝缘子憎水性检测装置。该装置通过一系列简单、有效的图像处理和分类方法,实现了嵌入式平台上的绝缘子憎水性判断。首先采用一种基于边缘的图像分割方法提取水珠目标,然后采用一种综合决策树实现目标的训练和分类。结果表明:该装置能在无辅助光源的自然光条件下判定复合绝缘子的憎水性,且处理速度快、实现方便,避免了人工观测的主观性和不确定性,具有较高的精度和实用性。     

基于紫外光谱分析的SF6电气设备内SO2组分在线监测系统

在线取样与实时监测是检测GIS设备内部放电故障的趋势。目前主要依靠现场采气后送至实验室进行分析,检测存在滞后性且耗时耗力。据此,设计了一套基于紫外光谱分析的在线监测系统,系统通过检测SF6气体中的SO2组分实现对设备放电故障的初步判断,具有定时采集、在线取样、实时监测等特点。系统具有自动和手动两种控制模式,通过下位机控制采样气路采集样气,并通过上位机完成数据处理。通过在线监测可以得出SF6设备的实时状态和状态的变化趋势。标气检验实验及模拟放电装置检测实验的结果均证实了该系统的有效性,系统的SO2检测限可达5×10-6。     

考虑控制系统-发电机信息物理耦合的脆弱输电线路辨识

考虑控制系统和发电机之间的信息物理耦合关系,提出一种脆弱输电线路辨识方法.首先,分析物理电网系统与控制系统间连锁故障传播过程.然后,基于多阶段双层规划理论建立脆弱线路辨识模型,根据对偶理论将该模型转化为单层混合整数线性规划问题进行求解.最后,以IEEE可靠性测试系统为例进行仿真分析.仿真结果表明,攻击者倾向于攻击使得发电机容量和负荷分布不均匀的线路,增加控制系统-发电机耦合强度会增加整个系统的脆弱性,与地理-信息耦合相比,控制系统-发电机信息物理耦合会导致更大的负荷损失.     

基于拉格朗日乘子法的虚假数据攻击策略

虚假数据攻击面临掌握的电气参数存在误差,甚至不完整及量测数据中存在不良数据的问题,提出一种基于拉格朗日乘子法的虚假数据攻击策略。首先通过拉格朗日乘子法和增广状态估计法辨识不良数据和估计未知支路电抗,然后在凸松弛技术框架内,将传统的攻击单个量测点的次优虚假数据攻击向量模型转化为基追踪(BP)模型,最后采用交替方向乘子法(ADMM)快速求解次优攻击向量。以典型的IEEE节点测试系统为例进行仿真测试,仿真结果表明:与传统的线性规划算法相比,将攻击单个量测点的次优攻击向量模型转化为BP模型后,采用ADMM求解次优攻击向量具有更高的计算效率;电抗未知支路数量较少时,攻击成功率较高,但是状态变量的误差向量的标准差较小时,电抗未知支路数量对攻击成功率影响减弱;该方法不会显著增加攻击成本。     

基于鲁棒强化学习的配网潮流优化方法

传统深度强化学习在优化配网潮流时易受传感器观测误差等干扰,鲁棒性较差。对此,提出一种基于鲁棒强化学习的配网潮流优化方法。首先以最小化配网网损为目标,电压、潮流越限为安全约束,建立包含分布式发电、储能及负荷单元的配网潮流优化模型。然后将干扰建模为攻击智能体,对配网潮流优化主智能体的观测状态施加扰动,构建双智能体零和博弈鲁棒强化学习模型。最后提出一种双智能体–拉格朗日乘子–信任区域策略优化算法,配网潮流优化主智能体与攻击智能体同步训练、异步学习,相互对抗博弈。仿真结果表明,通过该方法训练的配网潮流优化智能体,能在不同类型的干扰下做出安全决策,提高了配网潮流优化的鲁棒性和安全性。     

一种具有核心-边缘结构的无标度网络演化模型

核心-边缘结构是复杂网络中一种重要且常见的簇团结构,相关研究一直较少。为了研究复杂网络核心-边缘结构的相关特性,分析了随机块模型的结构,并在此基础上提出了一种具有无标度特性的核心-边缘结构网络演化模型。通过理论和数值分析,验证了所生成的网络具有较好的无标度特性和核心-边缘结构,且其结构的紧密程度可调,为进一步研究复杂网络核心-边缘结构的相关特性提供了基础。     

目标冲突下电力信息物理协同攻击分析

电力信息物理协同攻击(coordinated cyber physicalattack,CCPA)是智能电网面临的新型网络攻击之一,攻击者和调度中心目标分别为最大化和最小化攻击效果,两者目标相互冲突。以直流潮流模型为基础,首先建立基于虚假数据攻击的电力信息物理协同攻击数学表达式,用于表征量测单元中注入的虚假数据、攻击前后电力系统拓扑和电气参数之间的关系。然后,考虑攻击者的目标在于最大化攻击破坏效果,基于双层规划理论建立考虑攻击者和调度中心交互关系的电力信息物理协同攻击分析模型。最后,采用KKT(Karush-Kuhn-Tucker)条件和Fortuny-Amat-McCarl方法,将双层规划模型转化为单层混合整数线性规划模型。以IEEE14节点测试系统为例,仿真结果表明,电力信息物理协同攻击通过在量测单元中注入虚假数据重新分配母线负荷,并倾向于增加负荷需求较大的母线负荷,造成切负荷,最终影响电力系统的运行状态。与负荷重分配攻击和物理攻击相比,电力信息物理协同攻击不仅可以增加发电机出力成本和切负荷损失,而且可能导致更多线路过载。同时,量测单元在双层规划模型解中出现的次数可以表征该量测单元的脆弱程度,出现次数越多,则该节点越脆弱。     

基于模糊Petri网的用电信息采集系统故障诊断方法

采用一种模糊Petri网理论与专家系统结合的方法对用电信息采集系统整体进行故障诊断,提高了用电信息采集系统故障诊断的效率。根据用电信息采集系统故障逻辑关系,结合Petri网建模方法,建立模糊故障Petri网模型;通过逆向推理的方法,实现系统运行状态的准确评价。最后结合实例对故障诊断的推理过程进行了验证,证明了该方法的可靠性和合理性。     

通信光缆故障对电力网连锁故障的影响

连锁故障研究在应对突发的大面积停电方面具有重要意义,而传统连锁故障研究很少考虑信息网通信光缆对电力网连锁故障的影响。从信息网边的角度出发,在直流潮流模型下,通过建立信息网对电力网连锁故障影响模型,并以IEEE 30节点系统为例,研究了通信光缆遭受随机故障和不同信息网拓扑结构对电力网连锁故障的影响。仿真结果表明,由于信息网的引入,电力系统脆弱点增多,导致大停电的风险增加,随着信息网中通信光缆故障规模的增大,信息网对电力网连锁故障的影响强度由强变弱,直至稳定。同时,信息网网络拓扑结构对电力网连锁故障影响显著,信息网更宽的度分布增加了电力网的脆弱性,在规则网络中,信息节点的度越大,通信光缆故障对电力网连锁故障的影响越小。     

基于状态识别的经验模态分解法火电厂运行数据预处理

针对火电机组运行监测数据量大且复杂情况下的去噪问题,提出一种基于状态识别的改进经验模态分解去噪(SREMD)算法。该算法以经验模态分解(EMD)方法为基础,首先运用基于拉伊达(Pauta)准则的滤波方法去除显著异常数据,然后根据数据连续变化率动态识别机组运行状态,最后根据机组运行状态的稳态过程和过渡过程分别进行针对性EMD去噪,以适应火电机组的状态切换特性。将该算法用于实际机组运行数据,结果表明,本文算法有效完成了火电机组监测数据的去噪预处理,在保持信号整体趋势的基础上能达到更好的去噪效果。