基于改进PSO-BP网络的配电网故障选线与测距

利用子群优化神经网络(PSO-BP)提出更适合配电网故障选线与测距算法,使配电网线路得到更好的优化。针对配电网单相接地故障特征,开展系统单相接地故障稳态分析,系统单相接地故障暂态分析,以及系统单相接地故障谐波分析,得到影响选线及测距的因素,进一步提出PSO-BP网络改进算法,通过分析BP算法的结构模型以及粒子群优化算法,结合2种算法,得出改进PSO优化BP的算法流程,明确基于改进PSO-BP网络的配电网故障选与测距的操作方法,从而更好的为配电网故障的定位选线是以测距提供准确、可靠的数据。     

基于改进GA优化T-S模糊神经网络的小电流接地故障选线方法

在小电流接地系统中,发生最多的是单相接地故障,针对如何快速准确地查找故障线路一直都是重点研究课题,且没有得到有效的解决。本文提出一种基于遗传算法(GA)优化T-S模糊神经网络的配电网故障选线新方法:通过调整传统GA的适应度函数,先对网络初始参数、权值进行一次优化后,使用梯度下降法进行二次优化的选线算法。讨论了T-S模糊神经网络,传统GA优化的T-S模糊神经网络及不同网络结构对网络性能的影响。研究结果表明新型GA优化T-S模糊神经网络的选线效果明显优于T-S模糊神经网络和传统GA优化T-S模糊神经网络,能够快速、准确、可靠的选取故障线路。     

基于模糊PSO-BP神经网络的配电网故障选线方法

将模糊粒子群优化BP神经网络的方法引入配电网单相接地故障选线中.通过matlab仿真试验,得出各线路的零序电流信号,并将多种提取的特征量进行信息融合.利用模糊粒子群优化BP神经网络进行故障选线.测试结果表明,与传统模糊BP神经网络选线方法相比,该方法具有训练速度快、误判率低的优点,能够满足电力系统对精度和准确性的要求.     

改进粒子群优化神经网络的变压器故障诊断

在分析传统误差反向传播(BP)算法和标准粒子群优化(PSO)算法的特征及其问题基础上,提出一种改进粒子群优化(IPSO)算法和改进BP(IBP)算法,建立基于IPSO-IBP混合算法的电力变压器神经网络故障诊断模型。通过85组训练样本和16组测试样本的仿真对比分析,该方法能够实现电力变压器不同故障的有效诊断,提高了电力变压器故障模式的识别能力及故障诊断准确率。     

采用自组织RBF网络算法的变压器故障诊断

针对以往神经网络常采用试凑法设计网络节点的缺陷,提出了一种自组织径向基函数(RBF)神经网络算法。该算法首先通过模糊C-均值(FCM)算法得到初始的RBF神经网络节点数和中心向量,再利用经Gaussian随机分布改进的粒子群优化(PSO)算法对初始RBF神经网络节点数、中心向量、节点连接权值进行优化。利用鸢尾属数据集及葡萄酒数据集对提出的自组织RBF神经网络算法进行了仿真测试,证明该算法对于提高分类精度和优化RBF神经网络结构有一定的作用。最后,将该算法应用到电力机车牵引变压器综合测试及故障诊断系统中,结果证明所提的自组织RBF神经网络诊断算法可有效监测出原系统试验时误报和漏报的故障。     

PSO改进RBPNN在变压器故障诊断中的应用

针对概率神经网络(PNN)及遗传算法(GA)在变压器内部故障诊断中存在的不足,提出了一种基于粒子群算法(PSO)改进径向基概率神经网络(RBPNN)的故障诊断方法。首先,引入RBPNN,选取反向传播作为学习算法以及油中溶解气体含量比值作为故障特征量。然后,由于该模型受网络结构和初值影响较大,故拟用GA、PSO和改进的PSO对网络优化并测试。通过对比分析,得出改进的PSO在确定拓扑结构、降低误差精度、加快收敛速度和提高预测准确度上更占优势的结论,同时证明了所提方法在故障诊断中的正确性和可行性。     

基于改进粒子群混合算法的电机故障诊断研究

对基本粒子群优化PSO算法进行改进,并将改进粒子群优化算法与误差反向传播BP算法结合起来构成的混合算法用于训练人工神经网络,对电机转子进行故障诊断.提取电机转子振动频谱分量作为神经网络的训练样本,将代表故障信息的数据作为输入量代入已训练好的神经网络,通过输出结果即可诊断故障类型.仿真结果表明,改进PSO-BP粒子群混合算法可以有效地识别电机常见故障,具有较快的收敛速度和较高的诊断精度.     

基于改进粒子群算法神经网络的电力电子电路故障诊断

粒子群优化(PSO)算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解.对基本粒子群算法进行改进,并将改进粒子群优化算法与误差反向传播(BP)算法结合起来构成的混合算法用于训练人工神经网络,对电力电子电路故障进行在线诊断.仿真结果表明,改进PSO-BP算法有效地解决常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小等问题,具有较快的收敛速度和较高的诊断精度.     

改进PSO-SVM算法的变压器分接开关故障诊断

研究了电力变压器有载分接开关的故障诊断问题。对变压器分接开关的故障特性及原因分析后,考虑到传统支持向量机在诊断过程中效率低下、精确度差等缺点,提出了一种改进粒子群(PSO)优化支持向量机(SVM)的故障诊断方法。首先,对粒子群算法的惯性权值和学习因子做了相应改进,克服了PSO算法后期迭代精度不高的缺点;然后,利用改进后的PSO算法优化支持向量机的主要参数;最后,仿真结果表明,改进的PSO SVM算法的诊断精度和速度均高于传统诊断方法,更适合在变压器分接开关诊断中应用。     

基于特征构造和改进PSO算法的分布式光伏功率预测

分布式光伏由于其历史数据缺乏,光伏出力的预测精度不高,提出改进粒子群优化算法(PSO)+长短时记忆网络(LSTM)与注意力机制结合的神经网络模型。构造基于聚类算法的特征工程扩充数据集;给出局部最优判据改进粒子群算法并应用于模型的超参数优化,提升模型泛化性;采用注意力机制与LSTM相结合的架构进行短期功率预测。在澳大利亚公开数据集上的实验表明,新的特征工程与光伏出力具有相关性,预测精度相比传统LSTM模型精度提高17.4%,且改进PSO算法相比标准算法收敛性更好。     

基于MSTP传输网的DCN网络优化的研究

随着电力企业基于同步数字体系的多业务传送平台(MSTP)光传输网络规模的不断扩大,设备数量迅速增加,在一个光传输网的管理域内可能出现数百个网元节点,使数据通信网络(DCN)的规模过大,出现告警性能数据不能及时上报、网元频繁脱管、网管操作速度变慢等现象。文章根据云南电力通信光传输网的组网结构和DCN网络现状,合理规划该光传输网的DCN网络,提出了DCN网络的子网划分方法,解决了网管信息丢失、网元脱管等问题,增强了光传输网的运行可靠性和有效性。     

关于骨干通信网网络优化的探讨

随着通信网的不断发展,地区电力通信网的各层通信传输网络相继建设完成,新业务和新的通信站不断接入。原有的组网方式存在网络拓扑结构瓶颈,业务配置复杂,业务板卡数量有限,无法满足新增业务的需求,对"三集五大"建设难以构成有效支撑。利用现有光缆资源,对骨干通信网网络拓扑结构进行优化,在核心节点升级扩容设备,对全网传输时隙进行统一规划。通过骨干通信网网络优化,提高了传输时隙利用的有效性和有序性,规范了网管业务数据开通流程,为"三集五大"建设提供有力的通信网络保证。     

全国电网互联对福建电网的影响

从动态稳定、静态稳定问题和福建电网稳定水平三个方面,分析了全国联网后对福建电网的影响。     

终端接入网网管系统研究

为解决智能通信配电网中通信网络规模的扩大、终端设备种类的增多、通信技术更新的加-陕、网络拓扑结构复杂,使得驾驭通信网络的难度加大等问题,文章提出终端接入网网管系统。首先从智能配电网通信发展要求出发,分析被管网络的网络结构,并提出了终端接入网系统的总体体系结构以及总体资源模型,根据智能配用电通信的管理需求,详细分析本系统各个模块的功能。最后对系统的安全防护体系做出深入分析。     

基于网络准入控制的内网安全防护方案探讨

为抵御来自内网的安全威胁,保障供电局网络信息安全,探讨内网安全防护方案.通过分析内网信息安全事件原因,对比两种802.1X认证的控制方式,根据内网安全现状和需求,采用NAC准入控制系统结合接入交换机基于端口的802.1x认证方式,设计了桂林供电局内网安全防护解决方案.给出了网络准入控制系统的总体系统架构及策略管理服务器、准入控制服务器、接入层交换机等系统组成部分的具体部署方式.应用效果表明,该方案在病毒防范等内网安全防护方面有积极作用.     

基于工业以太网的配电网通信网络研究

以福建省某地区配电自动化典型示范区建设为例,通过对光纤通信、电力载波、无线通信等通信方式进行分析研究,明确了示范区通信网络的需求,指出示范区通信网络的建设目标,提出采用工业以太网为组网方式、光纤通信为主的配电网网络通信方案。     

基于IEEE1588的配电网同步对时网络研究

为解决配电网中配电终端的同步对时问题,提出利用网络测量和控制系统精确时钟同步协议标准(standard for a precision clock synchronization protocol for network measurement and control system,IEEE 1588)实现配电终端同步对时的方法。深入研究IEEE 1588中的时钟类型、IEEE 1588报文格式、延迟请求响应机制和IEEE 1588时钟同步过程,并提供基于IEEE 1588的配电网同步对时网络的实例。通过系统测试,对精度、馈线自动化测控终端(feeder terminal unit,FTU)的B码对接性能和同步可靠性进行全面检测,证明了基于IEEE 1588的配电网同步对时网络的优越性。     

贝叶斯网络的复杂配电网可靠性评估

为使电力市场环境下电网供电可靠性与经济性之间达到最大满意度,综合考虑负荷转移过程中的网络约束条件,建立贝叶斯网络模型,运用其特有的双向推理方法,不仅能起到配电系统可靠性指标评估的传统方法的作用,更能定量地分析出各元件对系统可靠性的影响,得出系统的薄弱环节,为系统的改进提供依据.并且对IEEE4中馈线1进行实例分析,证明了贝叶斯网络方法在配电网可靠性分析中是可行且高效的.     

基于集成深度神经网络的配电网联络关系辨识技术

随着城市配电网络规模不断扩大,配电网实时拓扑难以获取已成为观测其运行状态的主要瓶颈。为了解决传统拓扑辨识方法噪声敏感性高、在线运行难等问题,提出了一套基于集成深度神经网络的配电变压器(简称配变)联络关系辨识方案。首先,依据配电网测量的横纵连续性,对历史数据进行二维小波阈值去噪,降低噪声对辨识结果的影响。为提高深度学习算法的精度上限,采用搜索、生成与评价的策略对数据进行特征提取与选择。然后,以选择的特征为输入,构造交叉熵深度神经网络,通过网格搜索优化深度神经网络的超参数。采用集成学习的策略训练同质深度神经网络,保证模型的在线拓扑辨识能力。最后,通过在TensorFlow上进行的实验验证了提出的集成深度神经网络模型在配变联络关系辨识中的精确度与鲁棒性。     

基于传感器网络的配电网保护通信技术

配电网设备复杂多样,容易受到自然界的各种干扰,国内配电网的智能化建设刚刚起步,配电网的灾害监控、运行管理、故障诊断存在不足。研究了基于传感器网络的配电网保护通信技术,以实现电网灾害的在线监测与预警。通过支撑多任务的传感器节点阵列布置、网络体系的架构分级,采用图形化、可视化手段,对配电网进行全方位的监测。建立了可视化电网监测数据管理系统,能够针对数据进行检索、统计、计算处理,生成各类二次数据,便于有关人员对电网运行状态和趋势进行分析和决策。