基于极限学习机方法的短期负荷预测

将极限学习机(ELM)方法引入电力系统短期负荷预测领域。该方法预测能力强,具有计算时间短、计算准确性高、全局搜索等显著特点。在运用ELM算法建立短期负荷预测模型过程中,采用归一化处理输入数据,使用主成分分析法选取计算样本,并由交互验证法确定最优主成分因子数和ELM隐含层节点数。实际算例表明,在于短期负荷预测的预测精度和运算时间方面,ELM方法较传统神经网络方法具有其独特的优势。     

多策略改进MPA算法与HKELM的变压器故障辨识

为解决目前变压器故障诊断精度低的问题,提出一种多策略改进海洋捕食者算法( MPA) 与混合核极限学习机(HKELM)的变压器故障辨识方法。 首先通过核主成分分析法(KPCA)对高维线性不可分的变压器故障数据进行降维,获取特征支持数据;然后通过伯努利混沌映射、改进阶段转换判据、最佳候选者等策略综合改进 MPA,加强全局开发能力;最后使用改进的 IMPA 算法对 HKELM 的参数寻优,构建变压器故障诊断模型。 为验证模型有效性,分析比较常用算法优化的 HKELM 的 4种变压器故障诊断模型。 其中 IMPA-HKELM 的诊断精度为 94. 7%,相比于另外 3 种基础算法优化的模型,诊断精度分别提升了 5. 4%、8%、10. 7%。 结果表明,提出模型有效提升了故障诊断的分类性能,并实现了较高的故障诊断精度。     

基于天气分型的风光出力互补性分析方法

基于天气分型的风光出力互补性定量分析方法能够科学指导风光互补发电系统优化调度。针对现有天气分型方法中主成分分析法无法提取非线性特征,分布领域嵌入(t-SNE)算法未考虑样本实际分布等不足,提出了基于核主成分分析(KPCA)和自组织特征映射(SOFM)神经网络的天气分型及风光出力互补性分析方法。首先,基于数值天气预报数据,利用KPCA进行特征向量提取;然后,以特征向量为输入条件,构建基于SOFM神经网络的天气类型划分模型;最后,基于波动互补率和爬坡互补率评估指标,从波动性和爬坡性2个角度定量分析不同天气类型下风光出力互补程度和最佳并网容量比例。结果表明不同天气类型下风光出力波动互补性及最佳并网容量比例差异明显,验证了所提方法的有效性。     

基于灵敏度和灰色关联度的配电网运行方式变权重评估方法

为了对配电网运行方式进行准确的评估,提出了一种考虑指标灵敏度的配电网运行方式变权重评估方法。利用主成分分析法对配电网指标进行初步分析,根据分析结果利用最小二乘法计算灵敏度权重,同时利用灰色关联分析法对指标数据序列和评估量化值序列进行分析从而得到灰色关联度权重。灵敏度权重反映了指标对评估结果的影响程度,灰色关联度权重反映了指标数据序列与评估结果序列之间的关联程度,最后利用变权重公式实现指标的综合赋权。利用该方法对一个城市配电网进行评估,计算结果证明了该方法的有效性与可行性。     

基于改进主成分分析的低压配电网供电所综合评价方法

低压配电网供电所特性评估是供电企业发展和低压配电网投资的决策基础与依据。文中提出一种基于改进主成分分析的低压配电网供电所综合评价方法,结合传统主成分分析法和层次分析法的优点,建立了综合评价指标体系,并以A市132个供电所为具体研究对象,计算供电所经济效益性、供电可靠性、协调适应性3个方面的量化评价分数指标。再利用系统聚类方法对得分进行聚类,探究供电所在不同特性上的发展现状,并结合2015—2016年2年的数据进行纵向对比,经计算分析可见,基于改进主成分分析的综合评价方法对低压配电网供电所的评价是切实有效的,对后续发展起指导作用。     

基于改进的自组织特征映射网络的电能质量检测与识别

针对电能质量扰动信号频谱广(从0～数兆赫兹)、不同扰动信号之间相互叠加的特点,采用小波变换和神经网络(ANN)相结合的方法对电能质量扰动信号进行识别.利用db4小波对IEEE定义的9种电能质量扰动信号进行粗略分类,提取扰动特征信号;与其他文献中不同的是,这里利用一些少量的已知样本对权向量进行初始化,对网络进行非强制性的修正,确定收敛准则,自适应调节学习速率等,从而对自组织特征映射(SOFM)网络进行改进,利用有限的学习样本对神经网络进行训练,提高神经网络分类的精度.用改进的自组织特征映射网络对电能质量扰动信号进行Matlab仿真,结果表明达到了较好的分类效果.     

基于非线性映射与核主成分分析的区域配电网综合评价方法

提出了一种基于非线性映射与核主成分分析的区域配电网综合评价方法。首先,将高维配电网评价结果经非线性映射降至二维,再利用改进的K均值聚类对二维数据进行分类;其次,用核主成分分析对存在非线性关系的配网评价指标降维,从经济性、安全性、可靠性、智能化水平4方面构建配网评价指标体系;最后,依据聚类划分和指标评价结果,分析各区域配电网的发展状况。应用所提方法对某省108个县域配电网进行综合评价,评价结果有效反映出该省108个县域配电网的发展现状并能确定其主要问题,表明了所提方法是科学有效的。     

改进主成分分析法在配电变压器综合评价中的应用研究

配电网中配电变压器的监测已经成为配电自动化系统中的一个重要组成部分,但是如何充分利用已收集到的配变监测历史数据对其运行优劣情况进行科学的评价仍然是一个急待解决的问题。首先从配变监测系统的海量历史负荷信息中计算出表征配变优劣运行的多项运行参数指标,然后针对评价指标数据中庞大的数据空间以及数据之间的相关性而不易进行综合评价的缺点,运用改进主成分分析法,经过矩阵变换,在保留运行参数数据主要信息的基础上去除数据间的相关性,降低评价配变的指标维数,提炼出反映配变优劣运行的主要特征,获得配电变压器运行的综合评价指标,为配变的运行、管理、状态监测与诊断提供有效的评价。一个现场的实例验证了所提方法的有效性。     

基于历史信息挖掘的变压器健康状态聚类方法

传统变压器健康状态评估主要集中在评价导则与模型建立上,然而人为因素与低数据利用率或导致评估结果不准确,对此提出了一种基于历史信息挖掘的变压器健康状态聚类方法。首先利用关联分析挖掘变压器历史信息,以置信度量化评价指标。其次采用主分量分析方法获取评价指标关联权重,据此修正指标聚类空间。最后通过Canopy-kmeans两层聚类方法分析变压器集群健康状态,针对不同簇给出相应健康等级以指导状态检修与运行调度。算例分析验证了该方法的可行性与有效性。     

基于主元分析的电容式电压互感器计量性能在线评估

电容式电压互感器(CVT)在运行过程中误差稳定性不高,易出现计量误差超差现象,直接影响电能计量的准确性。现有的利用标准电压互感器定期离线校验的方式存在过修和欠修等问题,已不适应智能变电站对关键设备在线监测的运行要求。提出了一种基于主元分析的在运CVT计量性能状态评估方法,采集三相CVT输出的二次模拟信号,利用主元分析的方法将电网一次信号波动和CVT自身异常造成的计量偏差相互分离,提取运行过程中测量数据的特征统计量,分析统计量的变化评估在运CVT的计量性能。实验结果表明所提方法可准确监测0.2级CVT的计量偏差状态,实现在运CVT计量性能的准确评估。     

基于主成分分析和概率神经网络的变压器局部放电模式识别

提出利用主成分分析(PCA)的方法对变压器局部放电原始特征参数进行降维,并提取出新的主成分因子.结果表明,提取出的主成分因子可以很好地表征原始特征向量.通过概率神经网络(PNN)分类器分别对降维前和降维后的特征向量进行训练和识别.研究发现,提取出的新因子有效缓解了分类器负担,且PNN分类器的识别效果良好,优于传统BP神经网络分类器.     

基于健康指数的架空线路运行状态评价方法研究

针对现有架空线路运行状态评估存在的问题,提出一种基于健康指数的架空线路运行状态综合评估方法。该方法结合架空线路运行特点,综合考虑线路本体及天气、环境等外力因素影响,系统地研究了影响线路健康状况的各级关键因素及其影响系数。考虑不同影响因素重要程度,采取定性、定量相结合的方式,提出了层次分析法、优劣解距离法、专家研讨法三者相结合的线路健康指数计算方法。利用该方法对南京某实际110 kV架空线路运行状态进行现场验证,证明了所提方法的有效性。所提方法不仅适用于架空线路健康状态的评估,也可为其他电力设备的健康状态评估提供参考。     

基于卷积神经网络的变压器故障诊断方法

变压器是电力系统中的重要设备,其安全与稳定直接影响着国民经济的健康发展。油中溶解气体分析(Dissolved Gas Analysis,DGA)是分析变压器故障类别的重要手段。卷积神经网络是深度学习的一种模型,广泛应用于图像识别、语音处理等领域,具有非常好的分类能力。文章选取了变压器的五种油中溶解气体含量作为模型输入量,在借鉴传统浅层BP神经网络油中气体分析方法的基础上,针对BP神经网络表达能力不足以及容易过拟合的缺点,将卷积神经网络应用于变压器故障诊断,并与BP神经网络的分类效果进行了对比,通过算例研究证明了卷积神经网络的效果更优。文章也对卷积神经网络的卷积核个数、卷积核大小以及采样宽度对分类效果的影响进行了探讨。     

基于物元理论的变压器绝缘状态分级评估

为提高电网的自愈能力,实现电气主设备的在线监测或预评估,提出了基于物元理论的变压器绝缘状态分级评估模型.通过分析变压器运行过程中影响其绝缘状态的特征参量,构建了层次型状态评估指标体系;各特征参量用物元表征,通过物元差方变换实现了待评价指标的量化处理;在综合多个专家评估意见方面,引入了专家效度物元的概念,使权重处理更为科学客观;应用欧氏贴近度评估函数,实现了变压器绝缘状态的模式识别或分级评估.实例表明,评估结果更客观,对检修工作更具指导意义.     

基于序关系-熵权法的低压配网台区健康状态评估

为了从众多低压配网台区中高效筛选出健康状态差的台区进行优化改造,提出基于序关系-熵权法的低压配网台区健康状态评估方法。首先从低压配网台区的6个状态指标建立评估指标体系。其次对指标进行一致化处理,并用极值处理法对指标进行无量纲处理。然后用序关系分析法加入专家经验求得各指标的主观权重,同时用熵权法求得各指标的客观权重。最后利用拉格朗日最优乘子法求得各指标的综合权重,得到低压配网台区健康状态的评估函数,根据评估函数值对低压配网台区健康状态做出评估。通过对某地的若干个低压配网台区进行实例分析,验证了该评估方法的可行性和高效性。