基于关联规则挖掘的输电线路缺陷状态预测

对输电线路缺陷状态进行关联因素的分析和预测工作,可以为输电线路的巡维工作提供重要的技术支持。在现有输电线路状态分析和影响因素研究的基础上,提出了基于关联规则挖掘的输电线路缺陷状态预测方法。首先根据历史缺陷数据评价得到输电线路缺陷状态。结合各种影响因素,构建线路缺陷状态与相关因素的特征库。然后引入FP-Growth算法挖掘各因素与缺陷状态间的关联规则,并将得到的规则用于预测线路的缺陷状态。最后以某地区架空输电线路为例,通过历史缺陷等数据评价得到缺陷状态样本,提取相关条件特征作为输入特征,并用于预测线路的缺陷状态。结果验证了该方法的有效性,对输电线路的巡维检修有一定的参考价值。     

基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型

针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数据中的有效信息,并采用遗传优化算法(Genetic Algorithm, GA)对惩罚系数等模型参数进行优化确定,建立离线最小二乘支持向量机(LeastSquaresSupportVectorMachines, LS-SVM)模型。然后基于KKT条件(Karush-Kuhn-Tucker conditions)和增量在线学习算法,实现了回归函数和预测模型的在线更新。最后通过云南电网相关输电线路覆冰灾害的实例进行仿真分析。实验结果表明所提模型可有效地对现场输电线路覆冰负荷进行在线预测,单步长及多步长的预测效果均优于传统的覆冰预测模型,应用该预测模型可更好地为输变电系统的除冰和维护决策服务。     

220kV输电工程结算阶段造价评价指标模型研究和应用

为了满足迅速上涨的电力需求,需进行大量电网基础设施建设。输电工程作为建设重点之一,吸引着大量的资金投入,其工程造价的合理预测、规划对于电网基础设施建设工作的实施具有重要意义。文章结合220 k V输电工程结算阶段造价的实际统计数据,建立了新造价体系,并通过一系列的数据处理、判定和计算实现了220 k V输电工程结算阶段造价的预测,最后通过支持向量机方法验证了该指标体系预测的可靠性。     

基于模糊支持向量机的输电线路故障模糊分类方法及其降维显示

针对已有输电线路故障分类方法在样本中存在噪声时准确率有所降低情况,研究了基于Hilbert-Huang变换和模糊支持向量机(fuzzy support vector machines,FSVM)的输电线故障模糊分类方法,以提高输电线路故障分类的准确率.采用HHT变换获得故障时刻,提取故障后A、B、C三相及零序电流的特征能量函数值,组成FSVM的4维输入向量.利用网格优化方法对FSVM二分类器的惩罚参数C、核函数宽度σ进行优化.构造了FSVM的高维空间带状分段隶属度函数,求取样本的模糊决策函数值.构造多FSVM分类器.将故障时刻后特征向量送入多FSVM分类器,得到样本的故障分类初始标签.构造支持向量回归机(support vector regression,SVR),优化获得测试样本的最终故障隶属度,再对FSVM的分类标签进行修正.研究采用主成分分析法对样本高保真的降维处理方法、在3维坐标系中显示降维后3维向量及其故障模糊分类结果.为了测试算法,做了784组仿真实验,实验结果表明:FSVM+SVR的输电线路模糊故障分类方法不受故障点、故障类型、过渡电阻影响,故障识别率达到99.4％.在训练集1/5故障数据中加入5 dB Gauss白噪声,故障识别率仍保持不变.研究表明基于模糊支持向量机的分类方法适用于线路故障分类.     

基于KNN-SVM算法的输电线路杆塔雷击预警模型

输电线路杆塔雷击预警对保障电力系统安全运行具有重要意义.针对历史雷击监测数据中存在的重复性、交错性、多噪声等问题,提出了一种基于K近邻(k-nearest neighbor,KNN)和支持向量机(support vector machine,SVM)相融合的输电线路杆塔雷击预警模型.首先选取微气象、微地形及输电线路杆塔...     

基于关联规则和主成分分析的输电线路状态评价关键参数体系构建

为解决输电线路状态评价参数体系中参量种类繁多、体系结构复杂的问题,提出了一种基于关联规则和主成分分析的关键参数体系构建方法.该方法首先建立参量较为全面的基础参数体系,并结合某网公司的线路运维数据通过关联规则的置信度将基础参量量化,最后用主成分分析法计算各参量的权重,以此作为依据提取关键参量,形成关键参数体系.通过电网公司某线路整一年的实际巡视、试验数据进行验证,使用关键参数体系的评价结果与现有国网、南网导则的评价结果一致,并基本符合线路实际情况.算例结果表明,所建立的关键参数体系是有效的,为线路状态评估提供了新的思路,具有一定的实用价值.     

基于关联规则的能源互联网输电线路安全分析

伴随着我国能源互联网战略的不断推进,输电线路作为电能的长距离稳定传输的重要媒介,在能源互联网中的作用越来越大,但输电线路长期暴露于外界环境之下,易受气象因素的影响,如何保证输电线路的稳定运行成为研究的焦点问题.首先对输电线路的历史天气数据和缺陷数据进行处理和分析,实现天气因素和输电线路缺陷数据的整合;然后,使用Apri...     

基于支持向量机和模糊控制的输电线路覆冰状态评估模型

输电线路覆冰严重威胁着电力系统的安全运行。为提高输电线路覆冰状态评估准确率,以输电线路覆冰监测系统为基础,综合考虑监测系统的等效覆冰厚度、微气象参数以及覆冰持续时间等,提出基于支持向量机和模糊控制的输电线路覆冰状态评估模型。支持向量机实现覆冰状态的初步分类,输出无覆冰状态和有覆冰状态,针对有覆冰的状态进一步通过模糊控制评估模型对覆冰的严重程度作出准确评估,输出线路覆冰综合评估结果。实验数据验证了评估模型的准确性和可行性。     

基于核主成分分析模型的输电线路工程造价评价指标

随着我国电网建设速度的加快,电网投资逐年增长,造价控制与评价的作用日益突出,而新技术的应用以及技术方案复杂性和多样性,使得传统输电线路工程造价指标已不能全面、准确地反映工程造价水平.针对这一现状,将支持向量机中的核函数与主成分分析法相结合,提出了线路工程相对造价指数,构建了输电线路工程造价评价指标模型,并利用Matlab 7.0进行了求解.经过220 kV输电线路工程数据样本的验证,线路工程相对造价指数比传统指标能更全面、合理地反映工程的造价水平.该指标易于求取,便于对工程的造价控制水平进行对比、排序和评价,具有一定的可操作性和较强的应用价值.     

多支持向量机模型的输电线路故障诊断方法

为提高电力线路故障诊断的准确性,充分利用广域监测系统的同步量测信息,提出一种基于电气量故障信息特征的多支持向量机模型诊断方法。首先,获取同步监测信息,利用对称分量法提取故障信息特征,建立特征集。其次,采用遗传算法优化支持向量机模型参数,构建诊断模型。最后,利用D-S证据理论融合方法对不同支持向量机模型的诊断结果进行融合,获得最终的故障诊断结果。实例验证结果表明,依据特征量进行故障诊断的准确率能较稳定的达到97%,具备提高诊断精度和降低结构复杂度的优势。另外,与传统方法相比,多支持向量机诊断模型能准确识别故障特征,且有效提升诊断准确率在4%以上,具有更高的准确性与有效性。     

基于神经网络原理的高压架空输电线路故障测距模型的研究

根据目前广泛应用的单端电气量的基频分量实现单回高压架空输电线路故障测距的其各种算法尚存在的不足之处,录求解出现伪根或可能存在迭代不收敛的问题;测距结果受时端系统运行方式变化的影响等。本文运用人工神经网络的理论开辟了故障测距的析途径,提出用基于分布分层式神经网络系统来实现高压架空输电路线故障测距的新方法。经研究和仿真表明：该方法能有效地实现输电线路故障点的精确定位,测距结果不受故障过渡电阻和对端运行     

基于支持向量机的输电线路覆冰回归模型

为对输电线路覆冰进行有效地监测、预测及预警,提出了一种基于支持向量机(support vector machine,SVM)的输电线路覆冰回归模型,用于输电线路覆冰情况的短期预测。这一研究工作是在MATLAB环境下,应用LIBSVM软件包编程进行建模仿真的;针对实测微气象-覆冰数据多维、自由度大的特性,选定与覆冰相关性最大的气温、相对空气湿度数据以及覆冰参考量作为输入量,覆冰质量作为输出量;提出了基于支持向量机的超短期预测、短期迟滞预测和滚动预测3种预测模型,并通过实例数据仿真评估了模型的有效性。结果表明:超短期预测模型预测精度>90%,但时效仅15min、实用价值较低;短期迟滞预测模型和滚动预测模型在2h内预测精度均>80%,可适用于输电线路覆冰的短期实时预测;滚动预测模型理论上可预测更长期的覆冰情况,假设微气象参量恒定不变限制了其预测精度,若结合微气象预报将会有更好的预测效果。由于目前适用于建模仿真的完整覆冰数据较少,因此支持向量机用于建立输电线路覆冰回归模型的有效性和稳定性还有待进一步验证。     

基于极限学习机和支持向量机的输电线路覆冰预测

物体表层的水分会因为受到特殊气象条件的影响导致物体出现覆冰现象,此类现象常见于飞机跑道、高速路等。当覆冰现象发生在电力系统中可能会因此产生诸多不利影响,如使输电线路发生形变而进一步造成损坏,更严重的情况还可能会导致断线,断线造成的停电中断容易引起更大范围的供电系统瘫痪,造成重大经济损失。尤其是在极端天气状况下,事故率非常高,很有必要对该类型事故进行深入分析和研究。     

输电线路缺陷风险建模及其预测方法研究

输电线路缺陷发展状况的预测评估工作对安排检修和制定运维策略有着指导性意义。针对目前输电线路整体缺陷状况的评价指标较为模糊和单一、不同内外环境下输电线路缺陷发展状况不一致的问题,提出了输电线路缺陷风险建模及其预测的方法。该方法首先根据输电线路自身的特点将其细分成若干个部件。然后对输电线路各部件的缺陷严重程度进行量化,并根据输电线路的缺陷历史数据,通过隶属度分析进而定义得到输电线路整体的缺陷风险值。最后研究了各种随机因素分别对线路各部件缺陷风险值的影响。建立基于支持向量机的输电线路缺陷风险值预测模型并对线路未来时段内的缺陷风险值进行预测。通过实例证明了该方法对输电线路缺陷风险值预测的可行性。     

基于风险关键特征量的输电线路运行环境风险评估

目前架空输电线路运行环境的整体风险评估主要基于复杂的危险源辨别和风险评估(HIRA)和累积扣分法,为了简化输电线路运行环境风险评估方法,建立了结合最小二乘支持向量机(LS-SVM)和主成分分析(PCA)的架空输电线路运行环境整体风险评估模型。首先,通过对故障跳闸情况进行统计分析,得到10种危害架空输电线路安全的运行环境技术因素,并提取出相应的表征风险特征量;考虑实际数据采集的工作量和风险评估的复杂性,使用PCA对特征量进行降维处理,得到权重较大的关键特征量;将这些风险关键特征量作为LS-SVM的输入,建立了风险评估预测模型。最后,以传统评估结果为样本给出评估模型训练和测试结果,结果表明模型预测分类的精度可以达到95%。     

基于神经网络的输电线路故障诊断策略研究

随着智能电网的逐步发展,输电线路作为智能电网的重要组成部分,在智能电网的运行中发挥了重要作用,因此对输电线路的故障诊断技术进行研究意义重大。本文提出基于神经网络的输电线路故障诊断策略,首先对输电线路的电流数据进行预处理,然后对神经网络进行优化,并在卷积层中运用批归一化方法,对输电线路的电流数据进行故障特征提取和分类识别,由此便构建高精度的输电线路故障诊断模型。经过实际运用验证,本文提出的方法能够实现输电线路故障的有效诊断,具有一定的实用性,可以进行大规模推广应用。     

基于WPA优化LSSVM的输电线路覆冰厚度预测

针对现有输电线路覆冰厚度预测方法上存在的不足,采用狼群算法(wolf pack algorithm,WPA)对最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚因子和核函数参数进行优化,建立基于WPA优化LSSVM的输电线路覆冰厚度预测模型.采用某500 k...     

基于布谷鸟搜索算法优化支持向量机的输电线路覆冰预测

为了提高输电线路覆冰预测精度,采用主成分分析确定输电线路覆冰的关键影响因子为温度、湿度和风速,以此作为覆冰预测模型的输入量。采用布谷鸟算法对支持向量机的惩罚因子和核参数进行优化,建立基于CS-SVM的输电线路覆冰厚度预测模型。采用实际运行线路的覆冰数据进行仿真分析,结果表明,基于CS-SVM的输电线路覆冰厚度预测模型的平均相对误差、均方根误差和全局最大误差分别为5.254%、0.952%、5.827%,均小于其他几种常用覆冰预测模型,验证了模型的正确性和有效性。