基于LSSVM和证据理论的电力系统暂态稳定评估

提出了一种基于最小二乘支持向量机和D-S证据理论的信息融合模型的电力系统暂态稳定评估方法。选取了稳态特征量、故障初始时刻特征量和暂态特征量构成不同组输入特征,采用最小二乘支持向量机分类器进行暂态稳定评估,再对子分类器的结果在输出空间利用D-S证据理论实现决策级融合,以提高电力系统暂态稳定评估的可靠性。利用电力系统综合分析程序(PSASP)对EPRI-36节点系统进行了仿真计算,结果表明:可以提高训练效率以及分类的准确性。     

信息融合技术在电力系统暂态稳定评估中的应用

针对电力系统暂态稳定的特点和要求，运用人工神经网络并结合D-S证据理论的信息融合技术，提出了一种暂态稳定评估模型。这个模型综合来自不同传感器的信息，筛选出能迅速反映暂态稳定的特征量，并把特征量按照时间和空间进行分类，最后将这些特征量输入到该模型，得到电力系统暂态稳定评估的最终结果。在4机11节点的测试系统上进行的仿真表明：采用信息融合的模型，能提高运算速度和降低误判率，为在线进行电力系统的暂态稳定分析提供了一条新的思路。     

基于异构数据特征级融合的多任务暂态稳定评估

考虑到基于深度学习的暂态稳定评估方法对电力系统输入数据的描述不够全面,异构数据常被忽略,且许多特征信息无法有效融合,为充分利用电力系统各类异构数据以提高模型的精确度和算法性能,提出了一种异构数据特征级融合的深度学习方法。首先,利用多层感知机、图卷积网络、门控循环单元分别对静态多变量数据、拓扑图域数据、时序多变量数据进行特征提取;然后,采用张量融合方法对所提取特征进行特征级融合,并将展平的融合特征输入共享层,利用基于同方差不确定性的多任务学习方法,同时实现了暂态稳定判别与暂态稳定裕度预测。在此基础上,建立了暂态稳定评估模型,并对所提方法的性能进行了评估。最后,采用新英格兰10机39节点系统进行仿真、训练与验证,结果表明所提方法能有效提升评估的准确性与鲁棒性。     

证据理论在电机故障诊断中的应用

D-S证据理论作为一种非精确推理算法具有独特的优势,非常适用于存在大量不确定性因素的电机故障诊断工作。提取故障电机的状态特征量,并将其按时域、频域、奇异值分解为多个子参数空间。在此基础上,采用并行BP神经网络及模糊聚类系统对电机故障进行局部诊断。将每个局部诊断结果作为独立的证据体,构造相应的信度分配函数。结合电机故障的信息融合诊断模型,将基于D-S证据理论的决策融合的方法应用于电机故障诊断。通过对案例进行分析,实现了利用多证据体的融合信息对电机故障状态进行诊断,其诊断结果验证了D-S证据理论在提高电机故障诊断的准确性和灵敏性方面的作用。     

证据理论在电机故障诊断中的应用

D-S证据理论作为一种非精确推理算法具有独特的优势,非常适用于存在大量不确定性因素的电机故障诊断工作.提取故障电机的状态特征量,并将其按时域、频域、奇异值分解为多个子参数空间.在此基础上,采用并行BP神经网络及模糊聚类系统对电机故障进行局部诊断.将每个局部诊断结果作为独立的证据体,构造相应的信度分配函数.结合电机故障的信息融合诊断模型,将基于D-S证据理论的决策融合的方法应用于电机故障诊断.通过对案例进行分析,实现了利用多证据体的融合信息对电机故障状态进行诊断,其诊断结果验证了D-S证据理论在提高电机故障诊断的准确性和灵敏性方面的作用.     

基于神经网络和D-S证据理论的故障电弧检测

基于电弧电流特征的故障电弧检测方法存在信息源单一的不足,容易引起保护误动作和拒动作。针对该问题,文中以电弧辐射的电场和磁场信号以及电弧电流作为检测信号,提出一种基于神经网络和D-S证据理论的故障电弧检测方法。首先,采用模极大值方法提取不同负载下电弧电磁辐射信号特征量,并用波形相似法提取电弧电流信号特征量;其次,利用BP神经网络构建各个特征量与电弧故障之间的映射关系,得到单个特征量的故障电弧识别率;最后,以该识别率作为D-S证据理论的输入,实现决策级多特征信息融合。在典型负载情况下的试验结果表明,该方法能有效提高故障电弧检测的准确率。     

人工神经网络和信息融合技术在变压器状态评估中的应用

为满足电力系统对变压器资产管理和风险评估的需求,提出了一种基于人工神经网络和信息融合技术的变压器状态评估方法。以预防性试验数据和在线监测数据为例,选择具有代表意义的信息量作为开展评估的静态状态量,除此之外还选取部分静态状态量的变化趋势作为开展评估的渐变状态量,采用非线性指标评价函数对状态量进行归一化处理,综合应用人工神经网络(ANN)和Dempster-Shafer(D-S)证据理论构建多信息融合的变压器状态评估模型。通过对某台500 kV变压器数据的实例分析,验证了该评估模型应用于变压器状态评估中的有效性。该方法将在线监测数据与部分参数的变化趋势紧密结合,有助于提高变压器状态评估的时效性和准确性。     

基于Fisher Score特征选择的电力系统暂态稳定评估方法

针对不同电气输入特征与电力系统暂态稳定关联程度不同以及当输入特征受到干扰时评估准确率明显下降的问题,提出一种基于Fisher Score特征选择的电力系统暂态稳定评估方法。设计一种面向电力系统暂态稳定评估二分类问题的样本特征Fisher Score值计算方案;通过Fisher Score值排序有效区分重要特征与冗余特征、噪声特征与非噪声特征;将选择的电气特征输入不同机器学习模型中进行训练和评估。新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提特征选择方案能有效筛选电力系统暂态稳定评估中重要度高的特征,提升了评估模型的预测性能。     

基于支持向量机和决策函数的暂态稳定评估方法

暂态稳定评估是保证电力系统安全稳定运行的关键点,为解决应用机器学习进行暂态稳定评估保守性不足的问题,提出了一种基于支持向量机和决策函数的暂态稳定评估方法。该方法以故障前潮流量为初始特征集,结合暂态安全稳定量化评估和统计理论方法,提取输入特征;通过支持向量机训练暂态稳定评估模型,得出评估模型的决策函数,并依据支持向量的决策值确定门槛值,保证评估结果保守性。新英格兰10机39节点测试系统和实际系统算例验证了所提方法的可靠性和实用性。     

面向暂态电压稳定评估的卷积神经网络输入特征构建方法

以卷积神经网络(CNN)为代表的深度学习算法在电力系统暂态电压稳定评估中开始得到应用,但其输入特征的构建方法及合理性验证未得到充分的研究。面对交直流系统暂态电压稳定评估,提出了一种适用于CNN的输入特征构建方法。首先,基于双阶段分区来降低输入特征的维度和冗余度,即先依据系统拓扑关系和地理位置约束给出初始分区结果,再以节点的暂态电压特征相似性进行聚类,得到降低维度和冗余度后的最佳分区方案;然后,在分区结果的基础上,考察影响交直流系统暂态电压稳定的关键因素,构建兼顾稳态特征量和多维度故障信息的输入特征;最后,将所构建的输入特征应用于CNN暂态电压评估模型,并采用实际电网数据进行验证。仿真结果表明,所提方法较传统特征选择方法具有更高的准确性。     

分层式信息融合在变压器状态评估中的应用

变压器的健康状态直接影响着整个电力系统的安全运行,为此,提出了分层式信息融合的变压器健康状态评估方法.该方法通过融合神经网络和D-S证据理论,解决了因变压器信息参数繁多而造成的网络结构复杂和庞大等一系列问题,也为D-S证据理论中的基本可信度分配提供了有效的依据.实例表明,该方法具有较高的诊断准确性和可靠性.     

多信息融合的变压器实时状态评估

随着变压器状态监测技术的发展,获得的变压器状态信息种类也越来越多。为此,提出了多信息融合的变压器健康状态评估方法。该方法通过融合粗糙集、神经网络和D-S证据理论,解决了因变压器信息参数繁多而造成的网络结构复杂和庞大等一系列问题,也为D-S证据理论中的基本可信度分配提供了有效的依据。实例表明,该方法具有较高的诊断准确性和可靠性。     

基于神经网络和D-S证据理论的回热系统故障诊断

火电机组中的回热系统的故障原因复杂,且具有相关联,在深入分析D-S证据理论和神经网络理论的基础之上,将这两种方法进行融合。通过对回热系统典型故障的数据流参数进行分析,先由神经网络进行初步诊断,并将诊断结果处理后作为证据理论的基本可信度分配值,得到最终的诊断结果。经过试验分析表明:该方法能够使得火电机组回热系统故障识别能力得到提高。     

基于证据理论和信息熵的消弧线圈接地电网融合选线方法

提出一种消弧线圈接地电网单相接地故障融合选线方法。该方法综合运用首半波、有功分量和暂态量故障特征,采用证据理论和信息熵实现融合选线。构造了定量反映线路似为故障线路程度的故障测度算法,建立了以故障测度和信息熵表示的基本信度分配函数,实现了多故障特征的证据融合选线。仿真和实测数据验证了本文选线方法的有效性,表明提出的证据融合选线方法可极大地提高选线的准确性和适应性。     

复合神经网络在电力系统暂态稳定评估中的应用

提出了一种基于复合人工神经网络的电力系统暂态稳定评估方法。该复合网络由Kohonen网络与若干径向基(RBF)网络组成。它结合了两种网络的优点,因此提高了稳定评估能力。分别采用Kohonen网络、径向基网络以及该复合网络对华中电网的仿真结果证实了该方法的优越性。     

基于模糊综合评估模型与信息融合的电力变压器 状态评估方法

针对电力变压器状态评估中存在多特征指标和多故障类型问题,提出一种基于模糊综合评估模型和皮尔逊相关系数的改进D-S证据理论的变压器状态评估方法。建立了变压器状态评估体系,引入层次分析方法和改进的三角梯形隶属函数确定特征指标的基本概率。基于皮尔逊相关系数的改进D-S证据理论融合不同特征指标以评判变压器综合状态评估。经过实例分析,该方法的评价结果与变压器实际运行状态一致,其准确率达到95.83%,验证了该方法的合理性和可行性。该方法对变压器状态评估具有一定的参考价值。     

基于灰关联和D-S证据理论电网企业信息安全风险评估

随着信息化的加速发展,电网企业对信息系统依赖性越来越强,因此保证信息安全也成为电网企业信息管理的核心工作.提出一种灰色关联和D-S证据理论相结合的方法来评估电网企业信息系统安全风险.首先对指标参数值的不确定性进行分析,缺失指标参数值可能满足于均匀分布、指数分布或正态分布3种分布中的一种.根据历史数据和实际情况,判断并对缺失值进行填充.定义了区间转化算子,通过灰色关联法和隶属度矩阵确定不同指标的不确信度,进而构建了Mass函数矩阵,利用D-S合成算法对Mass函数进行信息融合,依据置信函数值对信息系统安全风险进行排序.通过实例证明了模型的有效性和可行性,研究结果显著降低了风险评估的不确定性,也为电网企业信息安全风险管理提供一种新的思路.     

基于CPSO-BP神经网络的风电并网暂态电压稳定评估

针对目前传统方法难以快速、准确判断风电并网后系统暂态电压稳定性的问题,提出了一种基于CPSO-BP组合的风电并网暂态电压稳定评估方法。首先采用混沌理论对粒子群算法的不足进行改善,应用改进后的算法对神经网络的初始权值和阈值进行优化,然后利用系统故障前后采集的传统物理量和风电场相关的物理量作为BP神经网络输入特征量进行监督学习,最后将训练得到的模型应用于风电并网系统的暂态电压稳定评估中。利用英格兰10机39节点系统标准算例进行风电并网仿真分析,结果证明了所提方法的有效性。