基于稀疏自编码的过电压特征提取与分类方法

随着智能电网的发展,识别和处理各种类型的过电压和故障具有越来越重要的意义。文中提出了一种基于稀疏自编码的过电压智能分类识别框架,依靠多层自编码器,实现了电力系统中实测铁磁谐振过电压波形的特征自提取,然后利用Softmax分类器完成精确分类,调节模型参数实现最优分类结果。该框架可应用到实际应用中,为建立过电压智能分类识别系统提供了一个全新的思路与方法。     

基于栈式降噪自编码器的输变电设备状态数据清洗方法

针对当前输变电设备状态监测数据清洗过程繁琐,易造成信息丢失等问题,利用栈式降噪自编码器对"脏"数据的还原解析能力及异常状态特征提取能力,提出了一种基于栈式降噪自编码器的数据清洗方法。对设备正常工况及异常运行状态数据分别利用栈式降噪自编码器进行训练学习,获取损失函数向量,形成奇异点、缺失数据修复模型和设备异常运行状态数据降噪模型。通过核密度估计确定训练样本损失函数上限和容限时窗,根据测试数据重构误差和异常数据时长与损失函数上限和容限时窗间的关系,对"脏"数据进行分类处理。对某变压器油色谱中总烃含量及某导线温度数据进行清洗,结果表明所提方法能有效辨识奇异点、缺失信息及异常运行状态数据,并对奇异点、缺失值进行修复重构。在设备异常运行时刻,可以有效过滤干扰数据。     

基于数据挖掘的电力负荷脏数据动态智能清洗

来源于SCADA系统的负荷历史数据由于各种原因含有一定的脏数据,在进行高精度的电 力负荷预测或系统分析前必须仔细而合理地对历史数据进行清洗。文中基于数据挖掘理论提出一 种动态的智能清洗模型,先根据模糊软聚类思想对Kohonen神经网络进行了改进,改进后的 Kohonen神经网络能实现模糊软聚类的并行计算,提出的动态算法能根据样本集的更新而自动确 定新的聚类中心(即特征曲线),最后与径向基函数(RBF)网络一起构成脏数据的智能清洗模型。 模型的快速性和动态性特点使其宜于进行负荷数据的实时处理,对重庆江北负荷数据的实例分析 说明了该模型的高效性。     

基于数据挖掘的电力负荷脏数据动态智能清洗

来源于SCADA系统的负荷历史数据由于各种原因含有一定的脏数据，在进行高精度的电力负荷预测或系统分析前必须仔细而合理地对历史数据进行清洗。文中基于数据挖掘理论提出一种动态的智能清洗模型，先根据模糊软聚类思想对Kohonen神经网络进行了改进，改进后的Kohonen神经网络能实现模糊软聚类的并行计算，提出的动态算法能根据样本集的更新而自动确定新的聚类中心（即特征曲线），最后与径向基函数（RBF）网络一起构成脏数据的智能清洗模型。模型的快速性和动态性特点使其宜于进行负荷数据的实时处理，对重庆江北负荷数据的实例分析说明了该模型的高效性。     

利用广义电流模量的行波实测数据半监督聚类筛选

行波暂态高速采集通常采用的低门槛突变量启动,它在确保对弱故障的可靠启动的同时,亦使大量非故障干扰杂波被记录,造成录波数据样本严重不平衡,给多通道故障数据有效筛选带来困难。以母线上多回线路广义电流模量的分形维数及暂态能量作为特征向量,借助历史故障记录及故障后续事件的连续性、时间上的紧密性等知识,以少量已知类别的数据样本作为"锚点",附加相邻样本的时间邻域约束,构建带条件约束的半监督聚类,形成基于领域知识的数据驱动式行波录波数据分类方法,实现对多通道海量录波数据中故障数据集的有效筛选。大量现场实测数据测试表明,该方法对多通道故障录波数据筛选可行、有效。     

基于实测数据的风电场风速-功率模型的研究

建立准确的风电场模型是风电接入系统相关研究的基础。首先通过对某双馈风电机组的标准功率特性曲线和实测风速-功率散点图进行对比,针对它们之间的差异问题,建立基于实测运行数据的风电机组风速-功率模型。其次,针对地形复杂、机组排列不规则的大型风电场风速差异性问题,利用K-means聚类算法对风电场内所有风电机组按实测风速数据进行聚类划分,建立了整个风电场的等效风速模型,进而给出了基于实测运行数据的风电场风速-功率模型。然后,以某实际风电场为例,对该风电场内的风电机组按风速进行K-means聚类划分,结果显示该划分结果与简单按地理位置的机群划分结果有明显差异。最后,对传统的风速-功率模型和所提出的风速-功率模型输出结果进行比较,结果证明所提出的模型相对于传统模型而言,准确性有了较大的提高。     

某变电站10 kV系统实测雷电侵入波过电压幅值与波形特征统计分析

雷电过电压是威胁系统安全运行的风险源之一,但目前变电站内雷电侵入波过电压的统计规律尚不明确,难以为绝缘介质的放电特性研究提供广泛数据支撑,造成绝缘配合存在过设计或欠设计问题.该文以某变电站10kV系统实测雷电侵入波过电压数据为基础,研究其幅值和波形参数统计分布规律.研究发现,站内设备上承受的雷电侵入波过电压波形与IEC...     

融合实测数据的配网断路器投切暂态过电压建模方法

数字孪生技术的发展使配网中设备在线监测数据的获取愈加方便,利用实测数据对设备的运行情况进行安全性分析是数字孪生技术的一个重要应用.该文提出一种融合实测数据的配网断路器投切暂态过电压的建模方法,该方法通过采集10 kV配网断路器的实际运行数据,提取断路器的关键运行参数,可以对数值模型进行迭代修正,从而实现仿真模型对设备当...     

基于正则自编码器及Optuna寻优的异常用电数据清洗研究

为有效解决用电信息采集系统中电量数据丢失问题,提出基于正则自编码器的缺失数据填补方法。首先,根据正则自编码器学习到的特征重构电量数据,实现缺失数据的修复。然后,通过对损失函数增加L21范数及正交约束实现正则化,提升模型的泛化能力,并采用Optuna实现超参数的自动寻优。最后,实际数据集的测试结果表明：与其他自编码器相比,正则自编码器能够较为准确地补齐缺失数据。     

基于函数型数据分析的工商业居民用户电力数据清洗算法

用户电力数据的爆炸式增长给原始数据修正带来许多难点.文章提出用函数型数据分析(Functional Data A-nalysis,FDA)对错误和缺失数据进行修正与补全.通过函数估计方法,将原有观测个体的离散数据映射到一个新的函数空间,将数据中缺失的成分利用相似用户曲线特征进行修复,并搭建了针对电力大数据的数据清洗整体...     

适于深层次CNN的配电网过电压数据集建立方法

随着人工智能算法的快速发展,在配网过电压识别中层数较少的卷积神经网络已得到应用。深层次网络有较高的识别率,但需要大量数据样本,目前已有数据集数据量不足,不能满足深层级网络训练所需。为此提出了一种满足深层次网络训练所需的配电网过电压数据集建立方法。首先利用电磁暂态仿真软件EMTPworks仿真10 kV配网5种典型的过电压并且编辑相应的JavaScript脚本,通过改变故障初相角、过渡电阻、线路长度等参数产生16 272个数据。然后将三相过电压一维信号进行连续小波变换,得到相应二维时频图,并根据原始信号的特征自动标记二维时频图,从而建立了完整的配电网过电压数据集。最后利用卷积神经网络（CNN）对5类过电压信号数据的有效性进行验证。结果表明,构造的数据集数据规模大,有效性高,能够满足深层次网络需要。     

异步调用的SCADA系统海量信息处理方法

针对传统监控与数据采集(SCADA)系统处理海量信息的局限性,提出一种异步调用的SCADA处理模式,将SCADA数据处理服务的提交和处理请求设计为一个异步过程,未处理的数据以先进先出的方式存储在缓存中等待处理,确保处理海量信息时不丢失事项.系统基于公共信息模型(CIM)建模并在.Net平台上实现.大容量数据的雪崩测试及现场试运行表明异步调用模式的SCADA系统处理的可用性和优势.     

Multi-dimensional Data Quality Evaluation Method for Intelligent Distribution Network

正With the improvement of the information level of the intelligent distribution network,power enterprises have accumulated a large amount of data,and the quality problems such as data anomaly and redundancy are becoming increasingly prominent.In this context,this paper proposes a multi-dimensional data quality     

基于改进k-means算法的海量智能用电数据分析

针对智能用电数据挖掘面临数据量大、挖掘效率低等难题,进行Map-Reduce模型下基于改进k-means的海量用电数据分析研究。以家庭用户为例,建立了家庭用户用电信息的家庭用户号、房屋面积、家庭成员数、每天用电量、峰谷电量、家用电器数等的数据维度模型,利用k-means算法简单、收敛速度快的优势,克服其容易陷入局部最优解的缺陷,综合考虑初始聚类中心的选择及聚类个数的选取2个因素,以数据对象密度的大小作为初始聚类中心的选取标准,将簇间距离及簇内对象的分散程度作为聚类数目选择的重要参考,对k-means算法进行改进;为提高数据处理效率,进行Map-Reduce处理模型下的海量家庭用户用电数据的并行挖掘。通过在Hadoop集群上进行实验,结果证明提出的算法运行稳定、高效、可行,且具有良好的加速比。     

电力系统实测过电压信号的特征量提取与验证

提高实测过电压信号识别率的关键是提取的特征量具有区别性、稳定性和明确的物理意义。为此,提出一种新的提取实测过电压信号特征量的研究思路:首先结合过电压信号产生的物理过程和影响因素对其时域和频域特征进行分析,然后确定其具有区别性、稳定性和明确物理意义的特征,最后选择合适的信号处理技术提取相关的特征量。以电容器组合闸、感应雷、弧光接地3类常见的实测过电压信号为对象,依照所提出的研究思路分别提取了相应的特征量,并构造了基于支持向量机的分类器对这3类过电压的实测样本(共98个)进行了识别,识别率分别为100%、100%、97.3%,总识别率达99%。识别结果证明了对以上3类过电压信号所提取特征量的有效性,同时表明所提出的思路可供更多类型的实测过电压信号的特征量提取参考。     

采用实测数据和主成分分析的直流输电线路故障识别方法

由平波电抗器和直流滤波器构成的直流输电线路两端实体电气边界具有高频阻塞作用,使得线路外部故障下,其故障电压起始变化平缓、幅值小;在线路内部故障下,其故障电压起始变化陡峭、幅值大、长时窗时域波形有振荡。利用主成分分析(PCA)方法提取线路内部、外部故障下的极线电压曲线簇样本数据蕴含的此种时域特征信息,并将其投影到主元空间,形成由cPC1和cPC2坐标构成的PCA空间(元件),其线路内、外部故障呈现为具有显著区别的两个不同聚类点簇团,借此可实现直流线路内部故障和外部故障的表征和甄别。故障发生后,利用故障数据于PCA故障识别元件的投影点与PCA识别元件本身多个聚类中心之间的欧氏距离来自适应地判别线路内、外部故障。经大量实测数据试验表明,该方法改善现行以du/dt为核心的直流线路行波保护的性能,若将直流系统历史故障数据复用来增加PCA的聚类点簇,则可继续完善PCA故障识别元件。     

基于粗糙集的电池储能电站海量数据处理方法

锂离子电池的储能电站在运行过程中上传的数据量庞大,数据采样率高,增大了实时在线评估工作的难度。如何提取并压缩有效数据,同时保证压缩后的数据具有保真性,成为数据挖掘预处理所面对的主要问题。针对上述问题,选取储能电站特定工况下一个电池簇的数据,利用粗糙集方法,对数据的属性进行约简,根据正态分布的$ 2\sigma $原则对属性值进行二元逻辑划分,将单体电池划分为频繁检测对象和普通检测对象,压缩了在线处理的数据量。最后,对同一电池簇20天内不同工况数据进行验证,证明了该处理方法的有效性。     

基于海量数据挖掘的光伏逆变器故障检测方法

光伏逆变器是光伏交直流之间的纽带,也是并网发电系统的关键部件,对其进行准确的运行状态监测,具有重要意义。提出一种基于k近邻和支持向量数据描述的故障检测算法,用于大数据平台下的光伏逆变器故障诊断。方法首先采用k近邻算法为每台逆变器匹配到类似样本,然后采用支持向量数据描述方法实现异常点的识别。在验证试验中,不仅有效识别的故障样本,而且有效降低了采样不精准带来的误判。     

通信数据接口电路的过电压保护

在电力系统通信设备和自动化设备的接口部分 ,经常遭到外界引起的过电压干扰而损坏接口集成电路 ,对变电所的可靠运行造成威胁。采用光纤传输方式代替常规的音频电缆模式 ,取消了感应电压产生的途径 ,从根本上解决了过电压的危害 ;通过运行证明 ,在同样的环境条件下 ,光纤介质的可靠性大大提高     

输变电设备全景信息模型的智能管理与校验方法

针对物联网环境下输变电全景信息模型管理与维护工作复杂、困难的问题,在Eclipse建模框架下,提出对全景信息模型对象进行基于SAX的语义解析和动态加载,并在数据库中根据实际的物理模型进行存储转换的方法,设计并实现了全景信息模型与面向对象模型的自动转换和公共信息模型文件到数据库表的具体智能转换流程。研究结果表明:在操作过程中,该方法可对输变电设备全景信息模型规范性、完整性进行校验。在系统开发、数据接入和平台维护等方面,该方法提高了自动化水平和全景信息模型的管理和维护效率。将其应用在基于物联网的输变电设备全景信息集成平台中,有效性得到了验证。