基于生成对抗网络和随机森林算法的配变低压跳闸预测

配变台区低压跳闸预测对供电部门掌握配电网运行态势至关重要.针对传统处理样本不平衡抽样方法容易造成信息丢失、引入噪声的缺陷,提出了一种领域清理(neighbourhood clean rule,NCL)欠采样和生成对抗网络组合的不平衡数据处理方法.首先采用NCL欠采样合理清除正常运行样本;然后采用稀疏自编码器学习大规模配...     

基于深度信念网络的配变台区跳闸预测

针对配电网公变台区在夏季易出现配变跳闸故障,对供电可靠性造成严重影响等问题,提出一种基于深度信念网络（DBN）的配变台区跳闸预测方法。首先,针对配变跳闸为小概率事件,利用Borderline-SMOTE算法对训练样本进行抽样以处理数据不平衡问题;然后使用新样本训练形成DBN预测模型。由于传统DBN在学习训练过程中易于陷入局部最优,故采用纵横交叉优化算法进行优化;最后,通过算例测试验证了该模型的有效性。     

基于XGBoost算法的配网台区低压跳闸概率预测

针对配网台区在夏季频繁出现低压跳闸故障的问题,提出基于机器学习的台区低压跳闸预警模型。首先,采用孤立森林和改进的合成少数类过采样技术（synthetic minority oversampling technique-nominal continuous,SMOTE-NC）算法的组合方法进行数据处理,在实现离群值分离的基础上,对包含多种数值类型的故障样本进行过采样,以解决样本不平衡问题。其次,利用优化的数据集训练极端梯度提升算法（extreme gradient boosting,XGBoost）分类器模型,对目标台区的低压跳闸故障概率进行预测。最后,以广州某地区的实测数据对算法的有效性进行验证,结果显示所提模型具有良好的应用效果。     

基于机器学习算法的配网线路重复跳闸概率预测研究

为了降低配网10kV线路重复跳闸对配网安全的威胁及减少对用户生产生活的影响,通过分析10 kV配网线路历史故障数据、缺陷数据、负荷数据及气象数据,提取影响线路重复跳闸的数据特征信息.首先,采用机器学习算法,对不同影响因素下的数据分别建立重复跳闸预测模型,然后对未来一个月内不同影响因素作用下的结果进行分析,构建10 k V线路重复跳闸预测模型,得到一条线路重复跳闸的概率.最后,针对部分线路进行算例分析,结果表明,通过对不同影响因素进行分析,建立的配网线路重复跳闸模型可以有效预测线路重复跳闸概率,能够为配网线路检修及停电事故预防提供决策支持.     

基于LightGBM及LSTM融合的科技园区短期负荷预测

在售电侧逐渐市场化的环境下,园区的电力负荷预测对电力市场及园区自身经济运行具有重要意义.为了提高科技园区负荷预测的精度和可靠性,提出采用K折交叉验证的LightGBM算法与LSTM算法的多特征融合算法.首先利用K折交叉验证的LightGBM算法训练第一层特征的预测模型,将其预测结果作为下一层LSTM模型训练的附加特征值.最后将两层模型预测的负荷值根据预测误差加权平均成最终的负荷预测值,结合数据算例表明,采用K折交叉验证的LightGBM算法提高模型的泛化能力,模型融合比单一的模型预测更具优势,能在一定程度上提高预测精度,减小预测误差.     

低压配变台区负荷及无功智能平衡实现方法

基于低压配变台区严重的电能质量问题,提出一种低压配变台区负荷及无功智能平衡实现方法。给出了基于改进九域法的终端用户分散式无功补偿策略;建立了以三相负荷不平衡度最小、低压负荷相间切换次数最少的多目标最优负荷换相数学模型,运用多目标二进制粒子群优化算法求解该数学模型,建立了负荷三相不平衡控制策略,通过上述方法实现了负荷及无功智能平衡。最后通过仿真算例验证了智能平衡控制算法的可靠性。     

基于智能配变终端的低压配电网智能运检体系构建研究

低压配电网作为连接电网和用户的末端环节,一直存在线路实时运行状态获取困难,无法形成有效的数据流,可通过信息化、智能化的手段对低压配电网的运检工作进行有效的支撑,进而提升供电可靠性和用电服务质量。智能配变终端是集用电信息采集、设备运行状态监测、智能控制与通信等功能于一体的二次设备,可综合处理低压配电网中的数据信息。文章介绍了智能配变终端所具备的强大的本地计算处理与服务能力,分析通过挖掘智能配变终端的数据采集和计算能力,建立强大的数据流,来支撑后台管理信息系统,从而建立低压配电网智能运检体系。     

基于ADPSS的市中主变跳闸事故机电——电磁暂态混合仿真

江西电网220 k V市中主变因220 k V浔市线A相重合于永久性故障而跳闸。基于ADPSS机电—电磁混合仿真平台,以江西全网模型为机电暂态计算背景,模拟故障发生时刻系统运行方式,以浔市线故障近区电网为研究区域,搭建电磁暂态仿真模型。仿真结果显示,故障重合闸时浔市线CT饱和使二次电流波形发生畸变,市中主变保护感受的差流超过保护定值导致差流速断动作。仿真波形与暂态故障录波图基本一致,验证了机电-电磁混合仿真模型的正确性,是进行电网事故重演与原因分析的一种有效手段。     

基于闭锁信号的主变低压侧加速跳闸保护方法

变电站中一般不对35 kV/10 kV等级的母线配备专门的母线保护,而是由主变保护实现对母线的后备保护,导致动作时间过长。针对这一情况,提出一种基于闭锁信号的加速跳闸方案。该方案由出线保护、分段(母联)保护以及主变低压侧后备保护组成。通过闭锁信号实现保护之间的配合以及断路器失灵时的加速动作。当某一级保护检测到故障时,向上级保护发送闭锁信号;保护动作以后,解除闭锁信号。通过实例分析,对保护方案的动作情况进行了分析。针对不同位置的故障情况,保护方案都能快速切除故障,证明了方案的有效性。     

基于梯度算法的低压台区线损异常实时检测方法

针对传统线损异常检测方法缺乏规范的体系、智能化程度较低,为电网台区带来一定风险的问题,提出基于梯度算法的低压台区线损异常实时检测方法。利用数据挖掘算法挖掘低压台区线损异常数据,作为检测方法的数据支持,通过预处理线损异常数据恢复缺失值,引入梯度算法得到用于识别线损状态的梯度计算公式作为检测依据,建立一个低压台区线损异常实时检测模型。实例应用结果表明,该方法可准确识别低压台区线损异常原因,且具有96.6%的异常检测查全率。     

基于LightGBM算法的配电网单相接地故障区段定位方法

我国广泛分布的中性点不接地配电网受量测设备配置所限,长期存在故障区段定位困难问题.为此,提出了一种量测量受限条件下的基于轻量级梯度提升机(LightGBM)算法的故障区段定位方法.该方法可在不加装相量测量单元(PMU)、微型PMU、电压互感器等量测装置的情况下,利用常规的相电流有效值准确识别中性点不接地配电网故障区段.通过对目标配电网的量测信息和网架结构分析,采用LightGBM算法离线建立故障区段定位模型,实现在线快速定位故障区段.其中,故障前后各线路稳态电流有效值变化量被选定为故障识别核心特征.此外,针对模型预测结果可能存在的偏差,提出了易错线路标注法和类别概率法辅助识别误判情况,进一步提高了预测结果的可靠性.以修改后的IEEE 123节点系统作为算例,仿真验证了所提方法的可行性和有效性.     

基于孤立森林算法的配电网线损异常判定

线损异常分析在低压配电网的发展规划中具有重要意义.现阶段线损的异常判定多采用阈值分析法,在时效性和准确性上存在很大的局限性.随着智能电网的推广,提出了一种基于孤立森林离群点检测算法的线损异常判定方案.首先采用k-means算法将低压台区按照不同的负载工况进行聚类,而后采用孤立森林算法计算台区数据的异常分数,最后对获取的...     

基于LightGBM算法的光伏并网系统孤岛检测及其集成的可解释研究

针对智能孤岛检测方法欠缺对数据集划分过程中标签分布不均问题的考虑,以及该领域尚未对复杂智能孤岛检测模型的决策进行可解释性分析,提出了一种基于轻梯度提升机(LightGBM)算法的孤岛检测模型。采用分层抽样的K折交叉验证检测模型的分类性能,解决数据标签分布不均的问题;提出基于决策树的Shapley值加性解释方法为主干,融合累计局部效应图和局部代理模型的集成可解释分析框架,从全局性和局部性角度对光伏并网系统的孤岛状态检测进行归因分析。算例仿真结果表明,所提模型能在传统检测方法的检测盲区中实现精确且快速的动态孤岛检测,且在电压波动、系统故障等情况下均未发生误判。基于集成的归因分析方法解决了单一可解释方法的欠合理性问题,揭示了模型输入电气特征自变量与孤岛检测响应因变量之间的关系,提高了模型的可信度。     

基于CNN和LightGBM的新型风电功率预测模型

考虑到风力发电具有波动和不确定的特点,难以预测,文章提出了基于卷积神经网络和LightGBM算法相结合的新型风电功率预测模型.通过分析风电场与相邻风电场原始数据的时序特征,构建出新的特征集;应用卷积神经网络(CNN)从输入数据中提取信息,基于数据间的对比结果调整相应参数;为了提高预测结果的准确性和鲁棒性,将LightGBM分类算法加入模型中.对比所提模型与支持向量机以及单一的LightGBM和CNN模型仿真结果,证明所提模型具有更好的精度和相率.     

基于免疫算法的配电网故障定位方法研究

提出一种基于免疫算法的配电网故障定位新方法。免疫算法依据个体的亲和度对个体进行评价,根据个体的亲和度和浓度选择进行交叉、变异的个体,增大了群体多样性,避免了算法快速陷入局部最优,同时进化过程建立记忆单元,保留部分最优解,以免交叉、变异过程后群体退化,保证算法终止时得到的结果是历代出现过的最高亲和度的个体。针对多电源开环运行的配电网,结合区域划分思想,通过判断变电站变压器低压侧开关的故障信息,提出一种提高故障定位速度的方法。仿真结果表明该算法可有效实现配电网的故障定位,并通过与遗传算法相对比,验证了免疫算法用于配电网故障定位的有效性及可靠性。     

基于膜分离的变压器在线监测系统中气体体积分数的预测算法

采用高分子膜对溶解于变压器油中的气体进行分离的变压器在线监测系统需要在气体渗透达到平衡后才能给出油中气体的准确体积分数。在对气体渗透过程的影响因素进行分析后,提出了一种在非平衡状态下利用气室中气体体积分数数据预测平衡后气室中气体体积分数的算法,并采用特氟隆膜与电化学气体传感器构建在线监测系统进行了现场实验。在弱化温度对渗透过程的影响的条件下,利用预测算法对非平衡状态下的测量数据计算后,与离线气相色谱对H2的测量值26μL/L的最大相对误差为26.8%,小于国际电工委员会对实验室离线色谱测量结果误差调查的平均值。实验结果证实了该预测算法的可行性,并在充分利用大量实时的在线监测数据的同时,提高了变压器在线监测系统测量结果的准确性与可靠性。     

直接式AC/AC型混合配电变压器及其在配电环网潮流柔性调控中的应用

为满足未来配电网智能化的发展需求,实现配电环网潮流柔性调控,提出了一种能够满足城市配电环网潮流柔性调控的直接式AC/AC型混合配电变压器(AC/AC-HDT)。提出了AC/AC-HDT的拓扑结构并对其运行原理、优势进行分析与对比。基于此,结合现有配电环网的主要闭环方式,提出了含AC/AC-HDT的城市配电环网组网方案。基于配电环网潮流调控基本原理,给出了AC/AC-HDT在城市配电环网潮流调控中的策略流程。通过实验室AC/AC-HDT原理样机的搭建以及含AC/AC-HDT的双电源配电环网潮流调控效果的仿真分析,验证了所提直接式AC/AC-HDT拓扑的合理性以及其在配电环网潮流柔性调控中应用的可行性。     

基于混合ISSA-LSTM的锂离子电池剩余使用寿命预测

准确预测锂离子电池剩余使用寿命(remaining useful life, RUL)对降低电池使用风险和维护设备稳定性方面具有重要意义。为了提高锂离子电池RUL预测的稳定性和结果的准确性,提出一种基于混合改进麻雀搜索算法(improved sparrow search algorithm, ISSA)与长短期记忆(long short-term memory, LSTM)神经网络的锂电池RUL预测模型。首先,用均值化方法对原始数据中的异常值进行处理。然后,结合Tent混沌映射、自适应权重以及反向学习策略和柯西变异扰动策略优化麻雀搜索算法,再利用改进麻雀搜索算法对LSTM模型的参数进行优化。最后,采用改进的混合ISSA-LSTM模型并完成RUL预测。采用NASA公开数据集对本模型进行验证。结果表明,该模型的平均绝对误差、均方根误差和平均相对百分比误差控制在0.016 47、0.022 84和1.2048%以内,能够有效地提高锂离子电池RUL的预测精度。     

基于随机森林的变压器油中溶解气体浓度预测

对油中溶解气体浓度进行分析及发展趋势预测,可以为变压器的状态评估提供重要的依据。传统的离线DGA方法因易导致延迟判断变压器的运行状态,造成一定的经济损失,现已不适用于油中溶解气体浓度分析及预测。因此,提出一种基于随机森林的变压器油中溶解气体浓度预测模型,以更准确地分析与预测油中溶解气体浓度。该模型以7种气体浓度构成特征向量空间,作为可视输入,并以目标气体浓度作为输出。试验结果表明,相较于传统的机器学习方法(BPNN、RBF和SVM),随机森林模型能更准确地预测油中溶解气体浓度,且需要调整参数少、训练效率高。通过算例分析,验证了该方法的有效性。