基于非下采样Contourlet变换的光电图像融合方法在GIL局放检测中的应用

光学检测和特高频检测是环保型气体绝缘输电线路(GIL)中两种重要的局放检测方法,但光学检测和特高频检测均会出现放电信号漏检的现象,使得光脉冲和特高频脉冲之间不具有严格的对应性,从而导致光学局放图谱和特高频局放图谱的特征信息不完整,降低模式识别的准确率.鉴于此,该文提出一种基于非下采样Contourlet变换(NSCT)...     

具有鲁棒容错特性的网络化二级电压控制

根据二级电压控制的原理和网络传输的特点,建立了同时考虑不确定信息延迟、数据包丢失和乱序的网络化二级电压控制NSVC(networked secondary voltage control)模型,运用线性矩阵不等式LMI(linear matrix inequality)方法设计了具有鲁棒容错特性的二级电压控制器,能保证控制系统在网络环境下具有良好的控制性能和稳定性。以经典3机系统为例进行数字仿真,验证了该网络化二级电压控制器的性能和效果。     

基于RSSI指纹的特高频局部放电定位法

现有的基于UHF的局部放电定位技术主要是基于时延来进行定位,为获得精确的时延需要非常高的采样率,由此带来了昂贵的硬件开销,极大地限制了其推广应用。为此提出了基于接收信号强度(RSSI)指纹的局部放电定位方法,该方法具有RSSI技术的低硬件成本及易实现性的特点,又具有指纹定位法对复杂空间环境很好的适应性。在离线阶段建立RSSI指纹图库包括测量方案、数据处理方法等,在线阶段应用综合粒子群算法和BP神经网络的PSO-BP定位算法对局部放电进行精确定位。在现场测试中使用模拟的局部放电信号对该定位方法进行了测试。试验结果表明,其平均定位误差为0.484 m,88%的定位误差1 m,定位方差也较小,从而验证了该定位方法的精确性和稳定性。     

考虑热点温度的并列变压器经济安全优化运行策略

考虑热点温度的实时变化,提出了一种确保变压器安全的并列变压器过负荷运行策略。根据实际运行负荷的变化规律,将日负荷曲线分为高峰负荷运行时段和低谷负荷运行时段。在高峰负荷运行时段,除考虑经济运行的功率损耗最小的约束外,兼顾变压器热点温度因素,来获得经济运行方式及并列切换时间。该策略根据环境温度和负荷曲线,采用微分方程法估计变压器热点温度,并通过二分法搜索最优的切换时间。对2台不同容量三绕组变压器并列运行的算例分析表明,所提优化运行方法在降低损耗的同时,能够保证变压器的安全运行。     

基于时间序列分析的输变电设备状态大数据清洗方法

数据清洗是输变电设备状态评估数据预处理的一个关键步骤,有助于提高数据质量和数据利用率。文中将设备状态信息等效成各状态量的时间序列,提出了一种基于时间序列分析的双循环迭代检验法。首先,将时间序列中的异常数据进行了分类,并将缺失值归纳为其中一类异常值。然后,分析了不同类别异常值对时间序列模型的影响,并阐述了迭代检验法的实现步骤。最后,利用所述方法对南网某变压器和线路的监测数据进行了数据清洗,结果表明该方法能识别并修正数据中的噪声点,填补缺失值,满足数据清洗要求。     

基于广域测量信息的配网故障定位装置的研制

针对目前配网故障定位装置存在的问题,提出一种基于广域测量信息的配网故障定位装置。详细阐述了装置硬件设计与各模块的功能及接口,以及软件流程设计。最后经过采集精度测试和相间通讯测试装置证实了其较好的数据采集的可靠性以及通讯的可行性。装置可以支持电流相量采集、故障录波、远程通讯等,具有传统故障指示器由于电源所限而无法负担的功能,在未来有较好的应用前景。     

直流交联聚乙烯电缆泄漏电流试验特性研究

为研究直流电压下交联聚乙烯(XLPE)电缆出现绝缘缺陷时的泄漏电流特性,模拟高压XLPE电缆常见缺陷,设计并制作了主绝缘外表面划伤、高压端导体毛刺、绝缘内部气隙和外半导电层残留四类典型绝缘缺陷模型,仿真研究了不同缺陷下的电场与电导率分布特性。采用阶梯升压法在直流电压下进行泄漏电流试验,讨论了稳态泄漏电流与电压关系,并对泄漏电流-时间曲线进行波形分析。仿真及试验结果表明:导体毛刺缺陷电场与电导率畸变最严重,绝缘表面划伤缺陷与绝缘内部气隙缺陷畸变程度次之;导体毛刺缺陷泄漏电流增长速度随电压升高明显加快;泄漏电流波动程度随电压升高而增大,但电压升至一定程度后绝缘表面划伤缺陷和导体毛刺缺陷的泄漏电流波动有所减小;不同类型缺陷的各频带小波包系数能量存在差异。     

基于油中气体分析的变压器故障诊断ReLU-DBN方法

油中溶解气体分析可为变压器故障诊断提供重要依据。为提高变压器故障诊断精度,研究了基于修正线性单元改进的深度信念网络(rectified linear units deep belief networks,Re LU-DBN)变压器故障诊断方法。通过分析油中溶解气体与故障类型的联系,建立以油色谱特征气体无编码比值为特征参量的Re LU-DBN诊断模型。Re LU-DBN通过多维多层映射提取出故障类型更细致明显的特征区别,通过反向调优达到诊断模型参数最优化。通过识别实验分析了不同特征参量、不同训练集及样本集大小下Re LU-DBN诊断模型效果,研究了放电兼过热复合型故障对诊断模型的影响,并与支持向量机、反向传播神经网络方法做了对比。实验结果表明基于无编码比值的模型诊断效果优于IEC比值、Rogers比值、Dornenburg比值为特征参量的模型,且Re LU-DBN较支持向量机和反向传播神经网络方法相比诊断准确率有较大提高。区分复合型故障的模型诊断效果优于未区分复合型故障的模型。随着样本数据的增多,模型诊断精度得到较大提升。     

“电力系统人工智能”专栏特约主编寄语

<正>1956年,斯坦福大学J.McCarthy教授等四人发起了达特茅斯夏季人工智能研究计划,首次提出了“人工智能”的概念：让机器能像人那样认知、思考和学习,即用机器模拟人的智能。上世纪,人工智能经历了专家经验系统、机器学习、人工神经网络等发展阶段,经历过研究高潮和低谷。     

不同结构及规格参数对GIL局放光学信号传播特性的影响研究

局部放电发生时会伴随着发光现象,光学法是一种重要的局部放电检测方法.作为局部放电光学检测的基础,需要对GIL中局放光学信号的传播特性进行研究.文中对不同结构、不同规格参数的GIL进行仿真建模,通过观察探测面和探测点上的光学参数,研究不同GIL结构、不同放电源位置、不同电压等级GIL对局放光学信号在GIL中传播衰减的影响...