基于长短期记忆网络的电网概率潮流计算及态势感知

可再生能源发电大量地并入电力系统发输配用各个部分,使配电网呈现主动性,由于电力系统发电的随机性、波动性特点,使潮流大小无法准确预估。对此,提出了基于长短期记忆网络的电网概率潮流预估及态势感知方法。在前人研究的基础上,提出了风力发电、光伏发电、需求侧负荷、电动汽车充电、发电机组的功率概率模型;进一步,基于Nataf方法将多种概率模型进行去相关标准正态分布变换,实现发电负荷的统一;然后,建立了多方协调互补、成本最小的概率调度模型,并使用长短期记忆网络进行概率潮流求解;最后,以某实际电网为例,对所提算法进行验证比较,证明了所提方法的有效性。     

基于双向长短时记忆网络的配电网关键线路单调性规律提取

随着风、光等可再生能源发电不断并入配电网,使配电网出现双向流动的有功潮流,由此使配电网输电线路的有功潮流不确定性程度越来越大。由此,把握配电网关键线路的有功输电规律对于保证输电安全、防止大停电事故的发生具有重要意义。对此,在配电网全时空量测环境下,提出了基于数据挖掘的配电网关键线路单调性规律提取方法。首先,建立了配电网输电网潮流计算模型;在此基础上,给出了配电网关键输电线路的识别方法;第三,基于双向长短时记忆网络方法,建立了配电网关键线路单调性的规律提取方法;最后,以某实际电网为例,表明了所提方法的有效性。     

基于循环神经网络的关键输电线路辨识及预测方法

超前地辨识电网关键输电线路对于预防大停电和电网的调控具有重要意义。目前,对于关键输电线路的研究思路主要是基于当前潮流状态,通过多种辨识指标进行识别,而没有研究超前时刻关键输电线路的预测问题。对此,在前人研究工作的基础上,提出了基于长短期记忆网络的关键输电线路预测方法。首先,给出了电力系统输电线路运行圆的基本理论;在此基础上,提出了有功、无功、复功率深度广度的关键输电线路辨识指标;第三,推导了有功、无功、复功率深度广度辨识指标的求解方法;第四,基于循环神经网络方法,结合复功率深度广度辨识指标,提出了关键输电线路的预测方法;最后,通过对实际系统的仿真验证,表明了所提方法的有效性。     

融合故障录波和保护动作的输电线路迁移学习故障分析及定位

针对高比例分布式电源并入导致电网规模增大且结构复杂,使传统输电线路故障分析及定位时依赖人工对录波数据进行分析判别容易造成误判、效率低下等问题,根据迁移学习理论方法,基于输电线路故障录波数据建立输电线路故障类型特征提取模型;利用保护动作信息和故障量判别信息,建立输电线路故障位置范围。将故障录波数据、保护动作信息作为深度学习的输入、故障类型和故障位置作为输出进行训练,将训练模型应用至某实际电网中进行测试,结果表明所提方法能够有效辨识出故障线路类型和位置。     

基于IPSO-LSTM神经网络的光伏发电系统故障检测

光伏发电系统的故障检测对光伏发电系统的安全运行至关重要。为提高光伏发电系统的故障检测效率，提出一种基于改进粒子群算法优化长短期记忆(IPSO-LSTM)神经网络的故障检测方法。首先通过构建改进的粒子群算法优化双层LSTM网络，对光伏发电系统的发电功率进行实时预测；然后，将LSTM网络预测的发电功率和系统实际的发电功率的误差作为残差值，当残差值大于设定的故障检测阈值时，可以确定系统发生故障。试验结果表明：改进粒子群算法优化的LSTM神经网络比传统的LSTM网络的故障检测性能更优越。     

基于离散小波变换的输电线路故障检测研究

针对输电线路故障检测问题,文中提出了一种利用小波变换检测高阻抗输电线路故障(HIF)的新方法,采用基于离散小波变换(DWT)的多分辨率信号分解(MSD)中系数的绝对值,结合故障指示器和故障判据来检测输电线路中的HIF,该方法对故障类型、故障起始角、故障电阻和故障定位具有较强的鲁棒性。在典型的400kV输电线路系统的各种故障条件下测试了所提出方法的性能。     

基于时序差分法的输电线路故障智能诊断系统研究与应用

输电线路故障快速精确定位技术与故障类型辨识技术是有效提升输电线路运行可靠性的重要方法,但传统的站内故障测距装置存在定位精度较差、无法辨识故障类型等问题。文章提出基于分布式监测架构和时序差分法,建立输电系统智能诊断系统,有效实现了输电线路快速精确定位与故障类型辨识。系统包括挂载运行于线路上的分布式故障监测终端和中心主站,终端可采集故障时刻线路行波电流并将数据远传,中心主站根据全线故障录波数据综合分析计算并给出诊断结果。系统在全国多条输电线路上挂网运行,结果表明系统运行情况良好,能够准确辨识故障类型,故障定位精度小于200米。     

全时空量测环境下基于双向长短期记忆网络的电力物联网损耗计算

针对泛在电力物联网新能源发电和传统电源混合、主动负荷与被动负荷共存导致电网损耗不断升高的问题,在全时空量测环境下,基于双向长短期记忆网络方法,提出了泛在电力物联网损耗计算方法。首先,基于传统B系数法,提出了最小二乘有功无功B系数法损耗计算模型;其次,在全时空量测环境下,提出了随时空滚动的最小二乘有功无功B系数法损耗计算及误差大数据;第三,基于人工智能中的双向长短期记忆网络方法,以预测负荷、最小二乘有功无功损耗计算、误差大数据作为输入,预测物联网的损耗。最后,以实际电网为例进行验证,表明了所提方法的有效性。     

基于智能预警技术的输电线路在线巡视方法

针对常规技术对输电线路在线巡视效率低下、误差率高的问题,提出了基于智能预警技术的输电线路在线巡视方法,设计一套基于5G通信和无线数据通信技术的输电线路在线智能预警系统,通过ARM+DSP双核处理器实现输电线路故障识别。采用无人机技术实现高空输电线路巡检,通过改进型蚁群算法模型实现输电线路故障检测,并设计了故障检测定位技术,利用融入行波定位技术的蚁群算法模型提高了输电线路在线巡视能力。实验表明,方法定位精确、误检率低,具有一定的实际应用价值。     

改进YOLOv3的输电线路异物检测方法

输电线路因所处环境复杂,极易附着异物,若不及时发现和清理将会对输电线路安全运行造成严重影响。针对输电线路图像巡检中的异物检测精度不高的问题,提出改进YOLOv3的输电线路异物检测方法(YOLOv3-RepVGG)。该方法基于YOLOv3目标检测网络并对其改进,首先采用RepVGG模块替换骨干网络Darknet-53的残差单元,同时加倍模块数量来提高网络对图像特征的提取能力;其次通过增加网络的多尺度检测框提升检测精度,采用CIOU损失函数来一步优化网络模型。实验结果表明,提出的YOLOv3-RepVGG方法与YOLOv3相比,输电线路异物检测m AP提高了9.8%,其中精确率提高19.5%,召回率提高1.2%;与目标检测SSD,Faster R-CNN网络相比,YOLOv3-RepVGG在性能上也具有一定优越性。     

基于混合输电线路下故障测距方法研究

为了提高混合输电线路的故障测距效率,提出了一种基于混合输电线路下故障测距方法。首先对混合输电线路的故障行波传播特性进行深入分析,包括反射特性和折射特性,并建立混合输电线路故障测距模型,通过搭建仿真模型对线路上不同位置出现故障的情况进行模型。结果得到：在混合输电线路上不同位置出现金属性直接接地故障和经60Ω的过渡电阻接地故障时,通过对两端故障相电压和相电流的采集,利用所提方法能够较为准确判断故障点所在区间,且距离计算最大误差为120m。进而表明所提方法有效弥补因线路长度与行波传播时间不同步所引起的误差,该对混合输电线路故障更好的定位和测距有重要意义。     

基于多尺度卷积和改进LSTM的航迹数据关联方法

针对雷达数据智能航迹关联准确率较低的问题,文章提出了一种融合多尺度卷积神经网络和改进长短期记忆网络的航迹关联方法。首先,利用多尺度卷积神经网络提取多个维度的空间特征,避免固定尺寸的卷积核产生视野限制,使网络能够提取更高维度的特征。然后,将特征送入改进的长短期记忆网络捕获时间维度上的特征,改进后的单元结构充分考虑相邻时刻航迹数据的关联性,有效抑制了噪声和误差产生的影响。最后,仿真实验结果表明,该方法有效提高了航迹关联准确率。     

基于数据挖掘的含UPFC输电线路纵差保护方案

统一潮流控制器和风电接入输电线路导致传统纵差保护不能适应新的电网形态。本文针对含有UPFC和风电场的输电线路设计了基于数据挖掘的纵差保护方案。首先通过Kalman滤波相量量测单元进行相量估计,梳理出了21项可能的故障特征,并进行相应计算。当故障特征出现在线路两端时,则得到相应的差分特征。通过决策树对得到的差分特征量进行处理,得到最终保护动作决策。利用仿真模型对本文所提出的方法进行了仿真分析,首先分析了决策树对故障的分类结果的正确性,然后研究了不同故障参数下的可靠性指标,说明了本文所提方法的适用性。     

基于级联结构特征的硬件木马检测方法

针对基于静态结构特征的机器学习方法对门级硬件木马检测结果检测率不高的问题,提出了一种基于级联结构特征的硬件木马检测方法。利用共现矩阵进行特征构建,并使用多对多结构的堆叠式长短期记忆网络(Long Short-Term Memory, LSTM)进行木马特征的训练与识别。实验结果表明,该方法在Trusthub的15个基准网表中获得了93.1%的平均真阳性率(TPR)、99.0%的平均真阴性率(TNR)和79.3%的F1-score。实验结果优于现有方法。     

高压直流输电线路保护与故障测距原理研究

直流输电线路保护与故障测距是高压直流输电工程保护系统的重要组成内容,承担着快速检测与排除线路故障的工作任务,其运行性能是否良好,直接决定着高压直流输电系统和电网的运行安全。鉴于高压直流输电线路保护与故障测距的重要性,本文基于大量文献资料对高压直流输电线路保护与故障测距原理进行了深入分析,夯实相关的理论基础,提高理论水平,进一步发挥对高压直流输电线路保护与故障测距工作的指导作用,使相关工作有序、高效展开。     

基于变步长误差补偿的线路阻抗识别方法研究

由于可再生能源的发电地域限制,通常情况下可再生能源发电系统需要较长的线路进行并网,因而线路阻抗不可忽略。线路阻抗的存在会加大并网逆变器的控制难度,因此电网阻抗的在线识别有利于提高并网系统的控制精度。本文提出一种变步长的误差补偿策略,通过采样并网耦合点的电压以及电流,并网耦合点电压经过带通滤波器得到理想电网电压。通过这些信息,结合变步长的误差补偿策略,能够较为精准的识别出电网阻抗。仿真和实验证明了所提出的策略的有效性。     

基于无人机技术的输电线路检测和故障定位方法

针对现有技术中输电线路检测故障系统图像处理效率低、故障定位误差大等诸多问题,提出了一种新的基于无人机技术的输电线路检测与故障定位方法。在无人机中应用单目摄像头获取输电线路的视觉图像,并将每个图像发送到地面工作站,使用纹理过滤和图像校正方法来解决图像处理中摄像镜头畸变和噪声直接干扰的问题,大大提高了输电线路故障检测的精度,该研究还在无人机中增加了卫星导航与惯性测量单元附加传感器,通过不同概率密度函数提高无人机空间定位估计,即使在黑夜与大雾天气中,也能够实现输电线路检测和故障定位。仿真结果表明,该研究拟用方法实用性强,多次实验故障定位的准确性均在90%以上。     

关于鸟类粪便引发的空气间隙击穿机理分析

输电线路的绝缘性能直接关系到电力系统的安全稳定运行。鸟类对输电线路的影响：一是留鸟筑巢,筑巢材料造成接地短路故障;二是候鸟栖息排便,污染绝缘子形成污闪事故。通过调查分析得知,留鸟筑巢对输电线路运行影响较小,而候鸟栖息排便则是防不胜防。查清输电线路涉鸟故障类型及周期,采取针对性强的防鸟措施,可以有效减少涉鸟输电线路故障。     

基于神经网络模型的光伏发电功率预测研究

随着全球环境污染变得日益严重以及能源需求的快速增长,太阳能光伏发电受到天气、大气状况等多种因素的影响,其发电功率具有不确定性,需要准确的预测模型来提高其利用效率。文章采用了长短期记忆网络(Long Short-Term Memory, LSTM)模型来预测太阳能光伏发电功率,将历史气象数据及发电功率数据作为输入变量,将极限学习机(Extreme Learning Machine, ELM)模型作为预测误差对比,证明长短期记忆网络模型能够有效提高预测精度,具有一定的实际指导意义。     

输电线路外力破坏的防范及改进方法

输电线路是电力系统的重要组成部分,它的特点是面积广、线路长,并且输电线路要长期的暴露在自然环境中,这就导致了输电线路会被恶劣的天气影响和人为破坏.由于外力因素引起的输电线路故障的事件呈上升趋势,严重影响输电线路的安全运行.本文主要探讨了破坏输电线路的外力因素以及类型,并且提出一点建议,希望对保护输电线路的安全有所帮助.