基于相对重构贡献的变压器故障诊断方法

为了充分挖掘油中溶解气体分析(DGA)数据隐藏的故障特征信息,提出了一种基于相对重构贡献(rRBC)的变压器故障诊断新方法。该方法首先利用DGA数据建立主元分析(PCA)模型,基于故障重构的思想,计算样本各变量重构贡献率(RBC);考虑各变量重构贡献率之间的可比性,计算其相对重构贡献率并作为特征量,通过归一化处理来提取故障特征;然后,建立变压器分层故障诊断模型,利用灰关联熵(GRE)信息利用率高等优点,求出待诊模式与各标准模式的综合灰熵关联序,实现故障诊断。实例研究结果表明,所提出的相对重构贡献灰关联熵方法与重构贡献灰关联熵、灰关联熵方法相比,使特征样本集的可分性变大,提高了分类正确率。     

基于符号有向图节点定量化模型的故障诊断方法

基于系统衍生节点的状态不可能比要对它施加影响节点状态差这一假定,该文研究了一种将SDG定性定量模型、主元统计法(PCA)和遗传算法相结合的电站热力系统智能故障诊断方法。通过用SDG构造系统模型,并结合节点的定量信息对节点之间的因果联系进行描述,形成SDG节点定量化模型;用PCA监控不同的变量,并考虑变量间的相关关系,有效地解决了确定节点故障发生的可能性大小的问题;用遗传算法对故障传播路径进行搜索,可以有效处理SDG定性模型中不可测节点干扰、计算量大和规则组合爆炸等问题。案例研究表明,该方法具有较强的故障诊断能力。     

计及故障重构的配电网量测系统鲁棒性配置

针对网络重构对配电网状态估计精度的影响,在分析量测饱和特性的基础上,提出了一种量测系统的鲁棒性配置方法。该方法综合考虑不同故障重构后的多种网络结构,利用马尔可夫链确定其运行概率,并作为权重引入鲁棒性量测配置的数学模型中,利用蒙特卡洛算法模拟量测系统引起的误差。IEEE 33节点配电系统和美国PGE 69节点配电系统的仿真结果表明,所提出的鲁棒性配置方法可兼顾多种网络结构,并有效提高配电网状态估计的精度。     

基于节点脆弱度的主动配电网量测终端配置规划方法

随着智能电网的不断发展,配电网的运行状态、电能质量分析等均需要大量的远程终端单元、同步向量测量单元等量测装置。针对量测终端的优化配置问题,提出了一种基于节点脆弱度的主动配电网量测终端配置规划方法。首先提出节点度、节点介数与节点电能质量需求等有源配电网节点脆弱度指标计算方法,通过熵权法将其作为各节点量测终端配置成本的权重;然后以设置的系统不可观测深度为约束条件,以考虑节点脆弱度的配置成本最小为目标函数,将配电网量测终端配置转化为组合优化问题,建立满足多种业务需求的量测终端配置规划模型,并提出了基于自适应遗传算法的模型求解方法;最后,利用改进的IEEE 33节点算例验证了所提方法的有效性。     

一种基于配网线路同步相量测量的谐波状态估计量测配置

包括谐波状态估计在内的电力系统广域监测得到越来越多的应用,而兼具小型化与低成本的配网线路微型PMU在广域监测中承担着重要的作用,其量测配置问题是现在研究的空白。简要介绍了谐波状态估计的过程,根据状态估计的要求提出了量测配置方法,给出了基于0-1整数规划的配网线路PMU量测配置流程。将量测算法运用于IEEE18节点、IEEE33节点配电系统以及IEEE14节点标准模型并进行了仿真验证,同时讨论了将配置方法拓展应用于主网的可能性。     

基于相对变换的ICA故障检测方法

针对传统独立主元分析方法(independent component analysis,ICA)在标准化处理后导致特征值大小近似相等,难以提取有代表性变量等问题,提出了一种基于相对变换的独立主元分析(relative transformation ICA,RTICA)故障检测方法。该方法引入欧氏距离相对变换理论,将原始空间数据变换得到相对空间,然后在相对空间进行独立主元分析,降低相对空间的数据维数,使提取的独立主元特征具有更大的适应性,建立故障检测模型,最终实现在线故障检测。该方法通过田纳西-伊斯曼过程仿真加以验证,并应用到电主轴裂纹故障的状态监测中,实验结果表明该方法能有效减少独立主元个数,简化故障检测模型的复杂度,增强状态检测性能。     

基于0-1整数规划算法的PMU量测点优化配置新方法

为了提高同步相量测量装置的优化配置速度,提出了基于0-1整数规划算法的PMU量测点优化配置方法。在0-1整数规划算法的基础上,根据节点的可观测性建立数学模型,考虑节点间的相互关系构建邻接矩阵并进行分析,求解量测点模型获得量测配置优化位置。对IEEE-14和IEEE-18节点系统进行实验仿真,并利用Lingo工具验证所提0-1整数规划算法,获取PMU优化位置和速度。该算法与未改进的0-1整数规划算法相对比,结果表明,该方法减少了变量数目,简化了约束条件,减少了迭代次数,提高了收敛速度,验证了所提方法的有效性和实用性。     

基于机端PMU量测的系统受扰轨迹预测

提出了基于机端相量测量单元量测数据的多机系统受扰轨迹预测方法,结合状态估计或潮流数据,在系统受扰后将其降阶简化为仅含有配置了相量测量单元的发电机节点系统,利用相量测量单元的量测数据修正降阶系统节点电压和电流之间的关系,然后将其代入相应的发电机模型,从而实现了系统受扰轨迹预测。该方法采用时间间隔较大的状态估计或潮流数据计算节点电压和电流传递关系矩阵的初值,并利用该矩阵主对角元的变化反映受扰后系统各元件的详细模型、网络拓扑和参数的改变,然后使用相量测量单元毫秒级的量测数据对其进行修正,从而为在实际应用中将相量测量单元与SCADA系统相结合做出了有益探索。最后以一个6机25节点系统为例验证了该方法的有效性。     

基于改进的整数规划法结合零注入节点的PMU优化配置方法

为了提高同步相量测量装置的优化速度并利用最少数量的相量量测单元(PMU),结合零注入节点的特性,提出了基于整数规划算法的PMU优化配置算法。根据电力系统全网的可观测性建立其数学模型,并考虑了零注入节点的相关特点,求解系统模型获得PMU的优化位置。对IEEE-14节点、IEEE-18节点、IEEE-30节点以及IEEE-118节点系统分别进行了实验仿真,并利用Matlab以及Lingo工具对所提改进的整数规划法进行了验证,对约束方程进行优化,获得了PMU的数量和位置。将该算法与整数规划算法、模拟退火法以及改进过的遗传算法相比较,该算法可以用更少数量的PMU设备使全网可观,验证了该方法的有效性和优越性。     

基于DKPCA的电力信息系统虚假数据注入攻击检测方法

电力信息系统的虚假数据注入攻击(FDIA)通过恶意篡改对应物理系统的状态数据,影响电网的正常运行。本文提出一种基于动态核主元分析(DKPCA)的虚假数据注入攻击检测方法,目的是解决电力信息系统中FDIA事件的时间相关性(动态性)问题,以及非线性变量难以分离问题。该方法通过构建动态增广矩阵解决了变量间的动态自相关性,利用核矩阵将非线性变量映射到高维空间转化为线性变量,引入主元分析建立DKPCA模型求得统计量的控制限,实时检测数据判断是否有故障发生。通过在IEEE-30节点系统上进行实验仿真,与KPCA、PCA、NPE、TNPE等检测方法比较,结果显示DKPCA模型检测率高达100%,同时保持较低的误报率0.2%。证明了所提方法可以实时检测电力信息系统中的攻击数据,有效避免故障漏报,确保电力信息系统数据安全。     

基于MIV-PCA的超短期风电功率预测模型优化

为解决基于动态神经网络的超短期风电功率预测方法中预测模型输入变量多、模型复杂等问题,文中将平均影响值(MIV)和主元分析(PCA)方法相结合,对预测模型进行了优化。MIV方法表征了输入变量对输出的影响程度,可筛选出对预测输出具有最大影响的输入变量,简化预测模型,但变量的信息利用率不高。PCA法从剩余的输入变量中提取出主元,通过增加少量的主元变量提高信息利用率,弥补MIV方法的不足。数据分析及实验结果表明,通过MIV和PCA法优化的预测模型的输入变量能在获得较高的累计贡献率的同时降低模型复杂度,保留原系统的重要信息,并降低模型引入噪声的风险,使得风电功率预测精度得到显著提高。     

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。     

基于正序电流故障分量相位比较的电压暂降扰动源分界

准确判断电压暂降扰动源的相对位置,对界定供用电双方责任以及制定治理措施提高供电质量具有重要意义。文中提出了基于正序电流故障分量相位比较原理的配电网电压暂降扰动源分界方法。通过建立不同位置发生不同类型故障时的正序故障分量等值网络,分析变电站内所有进出线的正序电流故障分量相位分布与故障位置间的关联关系,进而构建基于正序电流故障分量相位比较的电压暂降扰动源分界判据及其动作边界。该方法进行电压暂降扰动源分界时仅利用站端进出线的电流信息,测量信息获取方便,具有很好的工程应用前景。基于PSCAD建模仿真,验证了短路故障、相位跳变以及负荷扰动情况下,文中所提电压暂降扰动源分界方法效果较佳。     

基于主成分分析的中压配电网供电可靠性评估

针对专家评判法在中压配电网供电可靠性评估确定指标权重的过程中容易受主观因素影响的问题,提出一种基于主成分分析的中压配电网供电可靠性评估方法。建立中压配电网供电可靠性评估指标体系,构造待评估对象的评估指标矩阵,并将其依次处理为归一化指标矩阵和标准化指标矩阵;通过对标准化指标矩阵的主成分分析,确定起主要作用的主成分,并以此求取综合评估函数中各可靠性指标的权重;建立待评估对象的供电可靠性综合评估函数,进而求得待评估对象的可靠性评估值;结合各指标权重及其归一化指标值绘制待评估对象的各指标满意度及重要性区域图,为中压配电网具有更高可靠性的改造提供了量化、直观的科学依据。工程实例证明了所提方法的有效性和实用性。     

基于主成分分析与人工神经网络的风电功率预测

提出了主成分分析与前馈神经网络相结合的风电功率预测模型.采用主成分分析法对原始多维输入变量进行预处理,选择输入变量的主成分作为神经网络的输入,既减少了输入变量的维数,又消除了各输入变量的相关性,从而简化了网络的结构,提高了网络收敛性和稳定性.仿真结果表明,相对于一般神经网络模型,基于主成分分析的神经网络模型预测精度更高...     

基于节点流量重要度的电网关键节点辨识

当电力系统发生大规模连锁故障的时候,电网中的某些关键节点可能会对故障的扩大起着推动的作用。为了提高关键节点辨识的准确性以及更好地预防大规模连锁故障的发生,本文提出了基于节点流量重要度的电网关键节点辨识方法。该方法通过定义节点传输贡献度指标和节点传输效率,然后基于电网节点潮流传输贡献重要度矩阵,计算各节点的节点流量重要度并进行比较。最后,通过对IEEE 39节点系统和南方某区域电网进行仿真,所得仿真结果表明本文所提方法计算的指标可以定量表征某个节点在潮流传输及其在电网拓扑结构中的重要度,可以有效、准确地辨识出电网中的关键节点,判断它们在交直流电网自组织临界演化过程中的作用,对预防系统向连锁故障临界状态演化有着重要的意义。     

基于改进多信号分类法的异步电机转子故障特征分量的提取

在基于定子电流信号进行异步电机故障诊断时，转子断条故障特征频率分量常常被电流的基频分量淹没。针对这一情况，该文提出一种新的改进的MUSIC方法来提取这一故障特征频率。MUSIC方法通过特征值分解把自相关矩阵中包含的信息空间分成信号子空间和噪声子空间两个正交的子空间，该文提出的改进方法是将信号子空间中对应最大主分量的特征向量移到噪声子空间，这样构成两个新的正交子空间I和II。子空间I由信号中的最大主分量和噪声所对应的特征向量张成，子空间II由其他分量的特征向量张成。把不同频率的信号投影到子空间I，基频信号在该空间的投影将远大于其他的频率分量，因此在投影的倒数谱中，基频分量被抑制，凸显出了故障频率分量。仿真和实验表明，该方法用于提取转子断条故障特征是可行并且是有效的。     

直流输电换流阀晶闸管级阻尼与均压元件快速检测方法

换流阀是直流输电的核心设备,需要定期对其晶闸管级阻尼与均压元件参数进行测量检测。由于换流阀的晶闸管数量众多,传统的检测方法效率低且存在一定安全隐患。文中提出了一种新的检测方法,可以在晶闸管级阻尼与均压元件不解开接线的情况下,在晶闸管级两端施加不同频率的电压信号,生成电路网络方程组,采用加权最小二乘法求解元件参数值。所提方法应用于3种技术路线换流阀的晶闸管级阻尼与均压元件参数的快速检测。仿真和现场实测结果验证了所提检测方法简单、高效且准确度高,能够满足工程应用要求。     

基于小波包的多尺度主元分析在传感器故障诊断中的应用

由于传统的基于小波变换的多尺度主元分析(MSPCA)方法在检测高频类故障时的分辨能力不足，该文提出了基于小波包的MSPCA模型，并应用于传感器的故障诊断。首先对传感器数据进行正交小波包分解，得到小波包最佳分解树。根据最佳树的各个节点系数在对应的尺度上建立主元分析模型，根据这些主元分析模型在残差子空间利用平方预报误差统计量进行传感器故障检测，采用传感器有效度指标对故障传感器进行分离。最后以火电厂锅炉系统的传感器为例对设计的模型进行了验证，通过对传感器周期性干扰故障这种高频故障的诊断实例验证了基于小波包的MSPCA方法的有效性，其检测性能要优于基于小波变换的MSPCA模型。