基于熵权法的绝缘子污闪状态模糊综合评价

为了评价绝缘子污闪状态,提出基于熵权法的绝缘子污闪状态模糊综合评价模型。建立表征绝缘子污闪状态的模糊评价指标体系以及评语集,运用熵权法确定各评价指标的权重,采用三角形和半梯形结合的隶属度函数描述各指标的模糊性。重点研究和分析了评价模型的建立过程,包括评价指标选取及层次划分、权重确定方法。对某500 kV线路绝缘子污闪案例进行分析评价,结果与实际状况相符,证明了所提方法的正确性。     

110kV电缆金属护层接地系统分析

以某市政工程为例,基于理论计算和实际测量分析金属护层接地系统最优配置,发现受制于现场环境的原接地系统存在部分电缆接地环流过大、护层电压超过规定值的问题,危及运行人员安全。根据相关规程规范和计算推演,提出了接地系统变更方案,并就安装工艺、防水措施等方面进行了改进。     

基于粒子群支持向量机的短期电力负荷预测

在分析支持向量机SVM(Support Vector Machine)回归估计方法参数性能的基础上,提出粒子群算法PSO(Particle Swarm Optimization)优化参数的SVM短期电力负荷预测模型.PSO算法是一种新型的基于群体智能的随机优化算法,简单易于实现且具有更强的全局优化能力.用所建立的负荷预测模型编制的Matlab仿真程序,对某实际电网进行了短期负荷预测,结果表明预测精度更高.     

基于粗糙集和RBF神经网络的变压器故障诊断方法研究

针对变压器故障诊断神经网络模型存在网络结构复杂、训练时间长等问题,提出基于粗糙集及RBF神经网络的变压器故障诊断方法。运用粗糙集理论中无决策分析,建立基于可分辨矩阵和信息熵的知识约简算法,进行数据挖掘,寻找最小约简;以处理后的数据集合作为训练样本,采用高斯函数作为径向基函数,分别求解方差及各层权值,建立变压器故障诊断模型。通过测试对比,此算法虽然略微降低诊断正确率,但网络结构简单、训练速度快、泛化能力强,对提高神经网络在变压器故障诊断中的应用性能有较好的指导意义。     

基于粗糙模糊集的输电杆塔塔材实际强度精确计算

针对输电线路结构安全评价中涉及的塔材实际强度退化这一不确定性问题,提出了基于粗糙模糊集的实际强度精确计算方法。应用粗糙集理论对指标集进行约简,采用主观权重和客观权重相结合的方法确定评价指标权重,根据建立的评价等级集,运用模糊综合评价法计算塔材实际强度。双盲实验对比结果表明该计算方法的正确性和可行性,可有效解决演化过程中影响塔材强度因素效度不清晰这一典型不确定性问题,为输电线路结构安全评价提供重要的科学判据。     

基于模糊支持向量机方法的短期负荷预测

考虑气象因素对负荷的影响,提出了一种模糊支持向量机SVM(Support Vector Machine)的短期负荷预测方法。首先选取预测日前4星期中差异评价函数小于给定经验值的已知日作为相似日学习样本．然后利用隶属度函数对影响负荷特征因素向量的分量进行模糊处理,得到SVM的训练样本集．拟合负荷和影响因素之间的非线性关系。对24点每点建立一个SVM预测模型,采用改进的序列极小优化算法实现对SVM的快速训练。算例数据包括每天的气象数据和24点负荷数据．以最大相对误差和平均误差评价预测结果,表明所提方法简便快速且实用有效。     

输配电生产危险源分级预警管控平台系统的研究与应用

输配电线路地域分布广,线路通道周围环境受到城市发展、人们日常活动以及季节的交替等因素影响,从而导致线路运行可能处于危险环境下,发生事故概率大大增加.为了提高输配电网运行安全,相关管理部门定期组织进行危险源排查活动,及时发现隐患,提高电网运行稳定性.本文提出结合生产实际,研究输配电生产危险源分级预警管理系统,建立起涵盖输配电的危险源预警分级管控体系,规范危险源管理,实现设备安全管理水平的全面提升.     

基于粒子群模糊神经网络的短期电力负荷预测

为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度,提出了将粒子群算法和BP算法相结合的短期负荷预测方法。用粒子群算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测。在构建网络模型时,考虑了气候、温度等因素的影响,并把它们进行模糊化处理后作为网络的输入。仿真结果表明基于这一方法的负荷预测系统具有较高的精度和实时性。     

基于粒子群支持向量机的短期电力负荷预测

在分析支持向量机SVM(Support VectorM ach ine)回归估计方法参数性能的基础上,提出粒子群算法PSO(Partic le Swarm Optim ization)优化参数的SVM短期电力负荷预测模型。PSO算法是一种新型的基于群体智能的随机优化算法,简单易于实现且具有更强的全局优化能力。用所建立的负荷预测模型编制的M atlab仿真程序,对某实际电网进行了短期负荷预测,结果表明预测精度更高。