基于历史票联想的电网工作票智能填写与校验方法研究

传统工作票填写方法在智能化、全面性方面存在明显不足,容易出现填写错误,导致事故发生。文章提出了一种基于历史票联想的电网工作票智能填写方法,采用文本相似度模型挖掘历史工作票数据,将数据以文本形式储存于大数据平台,并将历史票关键词联想与厂站拓扑相结合,实现历史工作票关键词的自动提取。所提智能填写方法可显著提升工作票管理效率和质量,降低现场作业风险,同时为安全监管工作提供真实有效的决策依据。     

基于全生命周期管理的电力企业数据治理技术研究

电力企业业务数据存在人为干预多、数据口径不一致、缺乏管理规范等现象,造成数据统计困难、及时性低、数据失真等问题,严重影响数据的深化应用。针对该问题,本文提出一种基于数据全生命周期管理的电网企业数据治理方案,通过构建公共数据云,开展数据资源池建设,部署结构化数据中心、非结构化数据中心及海量准实时数据中心等三大公共数据资源管理平台,定义完整的电网数据管控流程和数据责任机制,对数据进行从数据获取到数据加工、数据分发到数据使用的数据全生命周期管理,从各环节把控数据质量,辅以数据质量评估,提升电网数据的及时性、准确性及完整性。经过在输电、配电、电网调度、电网规划等多方面应用实践,该方案实现了多口径业务数据的质量管控及集中应用,提升了数据质量及综合治理水平,实现了专业数据资产全面共享。     

大数据环境下超声波焊缝缺陷识别方法的研究

为了解决常规超声波焊缝缺陷识别方法分类模型固定和训练集规模有限而难以体现不同缺陷的差异性和同类缺陷的多态性的问题,结合当今大数据环境下的数据分析策略和基因缺陷识别中匹配的思想,通过主成分分析和CURE聚类算法将缺陷回波信号编码转换成可进行匹配的对象,进而将当前检测缺陷特征与历史检测数据进行匹配,并利用最近邻方法实现了对缺陷历史检测数据集的扩充。通过在R上应用基于基本空位罚分的Smith-Waterman比对算法进行仿真实验验证了该缺陷识别方法是可行的,有效地识别了气孔、夹渣、裂纹、未焊透和未熔合五类常见缺陷,具有较好的识别准确率。     

结合缺失模式的不完整数据模糊聚类

数据的完整性是数据可用性的重要维度。由于数据采集等过程中存在的问题,现实中的数据往往存在缺失。现有的聚类算法在面对不完整数据时一般采用忽略缺失或填补缺失的策略,但是当数据缺失属于非随机缺失时,这样的处理策略会导致聚类精度严重下降。当数据缺失属于非随机缺失时,数据缺失模式与缺失属性的取值相关,因此在不完整对象的相似度量中加入缺失模式相似的度量,提出了两种结合缺失模式的 PCM(Possibilistic c-means)模糊聚类算法:最小化缺失模式距离之和的 PatDistPCM 算法和基于缺失模式聚类的 PatCluPCM 算法。在两个公开数据集上的实验证明, 考虑缺失模式的模糊聚类PatDistPCM和PatCluPCM算法,在对存在非随机缺失的数据进行聚类时 ,能有效提高聚类结果的准确性。     

一种故障树结构匹配算法及其应用

面对以故障树形式汇集的大量历史事故案例,故障树结构匹配是借鉴历史经验在有限时间、人力和成本下实现对新事故准确和全面调查的有效手段。根据事件演化的时序和因果推理的结构特征,提出一种故障树结构匹配算法。通过构造故障树结构匹配的隐马尔可夫模型,利用维特比算法预测待匹配序列的最佳序列。实验数据显示,相对于基于节点的结构匹配算法,该算法在匹配的准确性、结构缺陷的检测效果等方面有显著提升。     

基于Spark的输变电线路实时故障监测研究

输变电线路状态监测数据是智能电网中数据量很大的一部分,不仅包括在线的状态监测数据,还包括设备的基本信息、实验数据、缺陷记录等,在数据处理的可靠性和实时性方面的要求都很高。根据实际应用中输变电线路的故障类型,设计并实现了输变电线路实时数据故障监测模型。其中,利用高效处理实时数据的Spark系统,研发出基于Spark的分布式ISODATA和模糊KNN大数据分析算法,与单机KNN算法相比,在时间性能上提高了70.75%效率,具有明显的计算效率优势。     

基于大数据分析的电网设备质量评价

针对当前电网设备选型和供应商选择困难问题,提出一种电网设备质量评价方法。基于生产管理系统中设备缺陷、故障、退役等运行数据,考虑不同设备投运年限、缺陷故障严重等级以及由于质量问题提前退役等因素的影响,构建相对完整的设备缺陷率、故障率和设备寿命评价模型,从而形成对设备质量的整体评价,为设备选型采购、设备运维策略优化提供更为科学的决策依据。     

基于数据挖掘与相关性分析的电网一次设备缺陷预测方法

为了保证电网一次设备缺陷预测准确性，提升平均F-measure值和AUC值，提出基于数据挖掘与相关性分析的电网一次设备缺陷预测方法。以数据挖掘技术为基础，采集并清洗现存的电网一次设备缺陷数据，建立缺陷数据库；采用X-11算法，结合皮尔逊相关系数，分析电网缺陷设备数据间的相关性，使得所有分组的复合相关性均小于阈值；采用最小二乘法计算多组历史电网一次设备缺陷数据，实现设备风险评估指标的多元线性回归，完成电网一次设备缺陷预测。实例测试结果表明，其平均F-measure值提升了0.07左右，AUC值分别提升了0.07、0.11,保证缺陷预测方法的准确性和实际应用效果。     

一种基于不确定规则的数据时效性判定方法

数据过时是影响数据质量的重要因素,因此判定数据时效性对于提高数据质量至关重要.当前判定数据时效性的方法可分为两类:基于时间戳的方法和基于规则的方法.基于时间戳的方法要求精确完整的时间戳,但这样的时间戳在很多应用中不存在.基于规则的方法不要求时间戳,但现有方法均依赖于冗余元组,且不能对数据时效性做出定量判定.同时,这些方法均基于确定规则,无法表达不确定的领域知识.针对上述问题,提出不确定时效规则及相应的数据时效性模型.基于该模型,进一步给出了两个可定量地判定数据时效性的算法.同时,还给出了时效规则的学习算法.真实数据上的实验结果验证了算法的有效性.     

基于多目标优化的主动配电网三相鲁棒动态重构模型

当前主动配电网重构模型存在电网支路电能损耗多、最优解完整性差、监测效果差以及最大动作开关次数多的问题,提出了基于多目标优化的主动配电网三相鲁棒动态重构模方法。构建出模型的基础目标函数,保证UDG接受度为最大,并建立出多个关于模型的约束条件将所有目标进行优化,完成主动配电网动态模型的构建。在布谷算法的基础上添加量子位概念,降低潮流计算同时在全局搜索出最完整的最优解,实现主动配电网动态模型重构。实验结果表明,所提方法的电网支路电能损耗少、最优解完整性好、监测效果好以及最大动作开关次数少。     

推荐算法在电力设备故障修复场景中的应用

本文的主要研究目的是探究文本挖掘技术在电力数据中的应用场景,通过对电力设备运行过程中累计的缺陷数据进行分析应用,实现缺陷处理措施的自动推荐,以提升检修消缺的效率,降低工单化过程的时间成本。本文首先构建了电力设备专业词库,词库来源主要包含电力行业常用词汇、南方电网设备类别词汇和缺陷数据特征词汇。其次对非结构化的缺陷文本数据,如：缺陷表象、缺陷原因及缺陷类型等数据结合已构建的专业词库进行分词,提取出其中的关键字、并对关键程度进行排序。最后通过simhash算法与汉明距离的计算在缺陷数据库中查询层发生过的相似度最高的缺陷,推荐其处理措施作为本条缺陷的参考。本文应用上述方法,成功实现了输入缺陷处理措施的推荐,且根据专家判断该措施可以实现这类缺陷的消缺。     

输变电设备状态大数据分析应用探讨

随着电网数据急剧增加,传统的数据挖掘和分析方法已经不能适应当前智能电网的要求,而大数据分析为此提供了相应的实现手段。首先简述了大数据技术理论,并从输变电设备状态分析及应用的具体电网业务角度出发,开展数据整合、数据存储、数据计算、数据分析和结果可视化五部分工作;然后针对输变电设备历史缺陷数据和全过程技术监督的问题数据,应用主成分分析法和聚类算法,构建变压器设备缺陷特征分析模型,实现将设备缺陷内容归类特征贴标签,为电网运检人员提供相关决策的数据分析依据;最后介绍了开展输变电设备潜伏性故障关联预测研究的工作展望。     

基于故障概率的配电设备排查路径规划

配电系统设备种类繁多,故障概率较高,且作为直接面向用户的电网层级,发生故障对电力用户影响最大。然而,在配电系统实际故障发生时,故障点往往难以准确定位,仅被限定在某一区域内,且不同设备间故障概率存在差异,为故障排查工作带来了不小的困难。为解决配电系统故障情况下排查路径最优化的问题,保证排查工作的及时性和准确性,本文综合考虑排查时间的最小化以及大故障概率设备的优先性,以经典的旅行商问题为基础,考虑不同设备故障概率的差异,对求解方法作出优化改进,建立了基于故障概率的配电设备排查路径规划模型,并选择遗传算法对模型进行求解。最后,以某配电系统为例对设备排查路径进行规划,验证了模型及算法的有效性和实用性。     

输变电设备集中监控大数据研究及应用

随着智能电网的快速发展和调控一体化运行体系的深入推进,接入调控中心的输变电设备集中监控信息数据成倍增长,如何从海量的监控信息数据中挖掘出需要的信息,直接指导监控员的工作,由被动监控转为主动监控,显得尤为迫切。国网浙江省电力有限公司针对现状率先开展了输变电设备集中监控信息大数据技术的研究与应用,基于智能电网调控技术支持系统搭建了一个由各类监控信息分析模块组成的信息分析中心,通过对输变电设备告警信息进行挖掘分析实现集中监控信息的优化整合和分类处置,可以显著提升监控员的日常工作效率。文章首先概述了输变电设备集中监控信息分析中心的总体结构,然后介绍了其采用的优化算法,最后结合浙江电网的实际运行情况,对各类监控信息分析模块进行了具体应用,其分析结果可为监控员提供相应的辅助决策,为浙江电网的安全运行提供保障。     

历史数据下优化GRU模型的测控设备相位预测

航天测控设备目标跟踪测量对相位具有依赖性，在无近远场标校环境或场坪周边环境受限等情况下，人工经验装填相位难以满足参数准确性和设备稳定跟踪需求。探索依赖记录的历史数据进行相位预测方法，通过数据筛选、清洗和标准化等预处理后，利用群智能鲸鱼算法，以预测值和真实值的均方根误差作为适应度函数，自适应寻优长短时序列模型神经元个数和步长两个超参数，得到超参数优化值，对历史数据随机划分进行训练和验证，实现最终相位预测模型，对某型号设备历史数据和当前校相条件开展多次验证，同时与循环神经网络(RNN)和门控循环单元(GRU)对比，模型预测值和真实值相差小，算法准确性优于传统统计计算，满足测控设备跟踪、日常比对以及应急辅助需求。     

基于层次分析法的电力通信传输设备在线监测

基于状态感知综合考虑通信设备各动、静态数据,结合运维管理经验,利用历史缺陷和检修、当前性能值和状态值等历史和实时数据,重点开展运行环境和设备状态关键参数对传输设备寿命影响的研究。构建传输设备健康状态评价模型及算法,感知通信传输设备当前状态,实现通信传输设备健康状态评价及各参数对寿命影响研究。研究成果能指导设备运行、检修和技改工作,合理建设和调整通信网络,为电力通信传输设备全寿命周期管理提供支撑,提升通信运行管理水平。     

基于隐马尔科夫和主成分分析的电网数据词典构建

电网企业拥有海量采用中文记录的非结构化文本信息,其中包含有大量重要的可靠性统计信息。但依靠人工对其进行挖掘不仅效率低而且准确性因人而异。如何高效、准确、智能地挖掘电网企业设备缺陷文本中重要的可靠性统计信息是目前亟待解决的问题。本文基于改式隐式马尔科夫算法对通过全过程技术监督工作采集的非结构化文本数据进行分句分词,制定研究非结构化数据的结构化表达规则。利用主成分分析、词向量以及深度神经网络等的自然语言处理算法对现有的问题描述文本中的同名词、同义词以及近义词等的语义相似度进行计算,并采用K阶近邻算法对降维后的词向量进行分类聚类。上述工作解决了缺陷文本句子成分难以划分、数字量无法精确提取等问题,形成一份国网系统运检专业领域的数据词典库,为电网领域的非结构化数据挖掘提供了新技术,为今后技术监督工作的展开具有重要意义和贡献。     

基于超声相控阵的聚乙烯管道缺陷信号重构方法研究

在对聚乙烯管道缺陷进行超声检测的过程中,由于聚乙烯材料中传播的声速小,散射噪声强,信噪比极低,并且仪器设备本身会受到电信号干扰,从而影响缺陷成像的结果。因此针对A扫信号进行数据处理以提高检测图像的质量尤为重要。另一方面,采用阵元数较多的超声相控阵探头进行不同类型的聚乙烯管道缺陷的数据采集时,将会得到大量的缺陷数据,对存储、传输和处理带来各种困难。而针对传统方法进行压缩感知时,如果信号的信噪比较低而重构均方误差较大,则很难保留信号中重要信息,在低码率下更容易产生细节丢失的问题。所以本文提出一种基于K-SVD超完备字典学习的稀疏表示缺陷信号压缩重构方法,借助该学习算法训练过完备字典,并选择高斯随机矩阵为观测矩阵和正交匹配追踪算法(OMP)为重构算法对聚乙烯管道缺陷回波信号进行压缩感知,同时分析字典元素个数与迭代次数等参数变化对重构信号与成像效果的影响。     

基于Hash算法的大数据架构下电力系统风险评估研究

为解决电力系统风险评估传统方法存在的处理数据耗时长、实时交互性能欠缺、难以全面反应电网状态等问题,本文提出一种基于Hash算法的大数据架构下电力系统风险评估方法,利用Hash算法将电力系统基础数据关联至服务平台和风险评估系统,采用架空线路停运模型、变压器时变停运模型对电力系统进行大数据建模,融合静态和暂态安全性风险指标,依托多维度数据源,形成电力系统风险评估关联大数据分析体系。该方法有效解决了电力系统风险评估所涉及的多样性和不确定性问题,提升了风险评估实效。将其应用到重庆市某区域电网全年风险评估中,得到的评估结果符合实际情况,验证了所述方法能够综合反应电网设备状态演变和电网外部环境变迁,提高风险评估的准确性和实时性。