基于局部离群因子算法的变压器异常检测

针对传统的变压器异常检测方法存在实时性差和效率低的问题,应用主成分分析法和局部离群因子算法(Local Outlier Factor,LOF)相结合的方法设计了变压器异常检测模型.首先,利用主成分分析法对变压器电气参量数据集进行特征降维,减少特征的冗余度;然后,通过局部离群因子算法计算所有样本点的离群因子,并将离群因子...     

基于局部离群因子的PMU连续坏数据检测方法

同步相量测量单元(PMU)能为电力系统监测和控制提供实时数据。然而,PMU连续坏数据与扰动数据高度相似,可能会导致控制中心做出错误的决策。针对PMU连续坏数据难以与扰动数据区分的问题,提出了一种基于局部离群因子(LOF)的连续坏数据检测算法。通过大量现场数据分析得出连续坏数据空间相似性差、扰动数据空间相似性强的结论,依据此结论提出了基于动态时间规整(DTW)的空间相似性评估方法。通过评估不同PMU的空间相似性来计算每台PMU的LOF值,进一步,提出了基于箱线图的阈值确定方法。通过比较当前窗口每台PMU的LOF值是否超过阈值,在线识别连续坏数据。仿真和测试结果表明,所提方法能有效实现连续坏数据的辨识和检测,并区分扰动数据。     

基于局部离群点检测的低压台区用户窃电识别

针对低压台区反窃电工作效率低、成本高的问题,提出了一种基于局部离群点检测的低压台区用户窃电识别方法。首先,基于线损特征搜寻与待检测台区最相似的k个最近邻台区;接着,基于k个最近邻台区的线损率分析待检测台区某段时间线损率是否异常,若线损率异常计算该台区所有用户该段时间负荷曲线之间的离散Fréchet距离;最后,基于离散Fréchet距离计算台区每个用户负荷曲线的局部离群点因子,同时采用邻域查询优化技术提高计算效率,局部离群点因子越大的用户窃电嫌疑越大。该方法输出待检测台区所有用户窃电嫌疑度排序,只需要检测排序靠前的用户即可检测出大部分窃电用户,大大提高了反窃电工作效率。     

一种基于核空间局部离群因子的离群点挖掘方法

提出了一种基于核空间局部离群因子（KLOF）的离群点挖掘方法。该方法通过核函数将数据集映射到特征空间,然后在特征空间计算每个模式的局部离群因子。该方法继承了基于密度的局部离群因子（LOF）的优点,可以定量地描述每个模式的离群程度;同时又克服了LOF的不足,对线性不可分的数据,可以取得比较好的分析结果。通过两个仿真的和两个真实的数据集对KLOF及LOF方法进行了比较,结果表明,KLOF具有适应的数据集范围宽,识别率高等优点。     

基于异常点检测和改进K-means算法的台区用户相别辨识方法

解决配电台区用户线变不匹配问题是推进配电网智能化管理的关键一步。大数据技术的快速普及为实现低成本、高效率的台区用户相别辨识提供了可能。提出了基于异常点检测和改进K-means算法的台区用户相别辨识方法。首先通过局部因子算法对聚类分析数据进行预处理,剔除不属于待分析台区的用户数据。然后,根据实际应用场景特点对K-means算法进行改进,包括确定聚类个数、初始质心,并选用相关系数作为评估样本相似度的指标。最后利用改进的K-means算法对预处理后的数据进行聚类分析,实现低压台区用户相别的精准辨识。算例分析表明,所提方法能够有效提升用户辨识准确率,且在不同的数据环境中可保持较高的稳定性。     

基于广义Dice系数和局部离群因子的串户排查方法

非入户式串户排查方案已成为当前电力行业的研究热点,然而该方案的主要缺陷是对于采集数据难以有效利用导致串户排查的准确度不高.针对该问题,提出一种基于广义Dice系数(Generalized Dice's Coefficient,GDC)和局部离群因子(Local Outlier Factor,LOF)的串户排查方法.借助于广义Dice系数分析不同频点处采集信号的相似度,使具有较高相似性的频点划分到一起.因此可以获得多个具有信号差异性的频块.应用局部离群因子和K-means聚类算法剔除频块内相对离散频点以进一步提高频块内部的一致相似度.最后,融合所有频块的信号作为串户排查的依据.现场测试结果表明,文中方法能够挖掘显著的信号特征,提高串户辨识的准确度.     

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。     

基于改进SVD算法的局部放电窄带干扰抑制方法

为了解决阈值法和传统奇异值分解(singular value decomposition,SVD)方法在局部放电(partial discharge,PD)周期性窄带干扰抑制过程中存在的窄带干扰抑制不干净和PD波形畸变的现象,提出了一种带引导信号的SVD算法进行PD信号的窄带干扰抑制.首先结合PD混合信号快速傅里叶变换...     

基于离群点检测的动力电池一致性快速辨识方法

动力电池成组后在使用过程中,由于初始生产工艺和环境因素等不可抗因素,逐渐产生不一致性并发展。面向动力电池组一致性的辨识需求,提出一种动力电池一致性快速辨识方法。所提方法基于统计分布的离群点检测方法对整组电池的单体电压数据进行计算分析,辨识出电池组一致性状态、较极端单体及其异常原因与极端程度。方法涉及测试过程简单、计算量小,适用于日常性快速检测,经算例分析验证了辨识方法的可行性和有效性。     

基于ELMD-SVD和Prony的谐波间谐波检测方法

为了解决噪声干扰Prony算法提取谐波参数问题,提出了一种集成局部均值分解（ELMD）-奇异值分解（SVD）-Prony的谐波分析方法（ELMD-SVD-Prony）。首先采用ELMD分解含噪信号,对获得的一系列乘积函数（PF）采用K-L散度来确定含噪分量与有效分量之间的分界点,去除噪声分量并保留有效分量,对有效分量通过相空间重构Hankel矩阵,运用奇异值分解进行二次降噪并重构。最后将重构的信号与ELMD余项叠加得到去噪后的谐波信号,结合Prony算法检测谐波的频率、幅值与相位。仿真实验结果表明,该方法能有效降噪并提取谐波特征参数。     

Compression algorithm for electrocardiograms based on sparse decomposition

Sparse decomposition is a new theory in signal processing, with the advantage in that the base (dictionary) used in this theory is over-complete, and can reflect the nature of a signal. Thus, the sparse decomposition of signal can obtain sparse representation, which is very important in data compression. The algorithm of compression based on sparse decomposition is investigated. By training on and learning electrocardiogram (ECG) data in the MITBIH Arrhythmia Database, we constructed an overcomplete dictionary of ECGs. Since the atoms in this dictionary are in accord with the character of ECGs, it is possible that an extensive ECG datum is reconstructed by a few nonzero coefficients and atoms. The proposed compression algorithm can adjust compression ratio according to practical request, and the distortion is low (when the compression ratio is 20:1, the standard error is 5.11%). The experiments prove the feasibility of the proposed compression algorithm. __________ Translated from Chinese Journal of Biomedical Engineering, 2008, 27 (1): 13–17 [译自: 中国生物医学工程学报]     

基于时间序列提取和维诺图的电力数据异常检测方法

电力网络中信息系统与物理系统的深度融合,导致现代电力系统易受异常数据的影响。现有的电力数据异常检测方法未能充分挖掘数据特征,存在计算复杂、灵活性差、精度较低等缺点。提出一种基于时间序列提取和维诺图的异常数据检测方法,利用重要点分段的时间序列提取方法,将高维数据进行降维处理,并将其映射到二维平面上,构造维诺图分区,进而检测出异常数据。该方法可降低数据维度和算法复杂度,能根据序列特征灵活设定异常阈值,实现异常数据的准确检测,仿真实验证明所提方法的有效性。     

基于电压和功率数据的低压用户相别识别优化建模与应用

低压用户相别识别是低压配电网计量拓扑识别的内容之一.首先,描述原问题并对已有研究进行回顾,阐述文中研究特点;按照线路分叉点数量将用户降维到虚拟用户空间;再对虚拟用户空间电压波形采用t分布的随机近邻嵌入(t-SNE)算法,形成进一步降维的特征空间;对于特征空间的电压波形以及聚合功率,提出同时考虑功率平衡和电压时序波形分类...     

基于GIM模型的输电线路通道隐患快速检测

为解决现有输电线路电网信息模型(grid information model, GIM)通道隐患检测方法检测效率低、优化算法存在漏检的问题,提出一种基于等线长点集化和球体包含原理的通道隐患快速检测方法。首先,采用等线长间隔采样方式将导线由空间曲线转化为离散点集,使离散点集在电力线上均匀分布以解决传统等水平间隔采样方式离散点集分布不均匀、特殊档精度较差问题;其次,在地物点到电力线离散点最近距离计算过程中引入球体包含原理对地物点隐患可能进行判断,对不存在隐患可能的地物点跳过邻近点搜索计算,实现通道隐患快速检测。实验表明,该方法在导线点集化方面,对于普通档、特殊档均能保证采样点均匀分布,在线长间隔为10 cm的情况下将最近点的定位误差始终控制在5 cm以内;在检测效率方面,在保证检测精度的前提下将隐患检测耗时优化为传统逐点检测耗时的6.9%,具有较强的实际应用价值。     

通信和电网联合仿真的配电网局部异常因子故障辨识算法

信息系统传输故障、恶意攻击和物理系统故障都将威胁智能配电网的正常运行。现有研究未充分考虑信息系统与配电网融合造成的差异,特别是缺乏对信息系统故障与配电网物理故障进行统一辨识的方法。文中利用MATLAB和OPNET建立交互作用分析模型,对发生于信息物理系统中的故障进行定量分析;进而,提出基于多维尺度分析(multi-dimensional scaling,MDS)和局部异常因子(local outlier factor,LOF)的配电网故障辨识算法,实现信息系统故障和配电网物理故障的统一识别,以及对配电网故障区域和故障通信节点的定位。利用交互作用分析模型得到的仿真结果验证了对于智能配电网故障类型的分析,配电网物理故障和通信节点故障的辨识结果验证了本文算法的有效性。     

基于图规则化低秩矩阵恢复的用电数据修复与异常检测

针对电力系统用电数据中的记录误差与异常用电,提出一种基于图规则化低秩矩阵恢复的电力系统用电记录修复与异常检测算法。该方法从用户用电时空矩阵的低秩稀疏分解出发,结合电网拓扑结构与用户相关性的规则化调整,获取修复后的用电数据和异常用户。该方法同时兼顾了用户用电的周期性与异常用户的差异性特点。实验分析表明,与相关方法相比,所提方法在用电数据修复与异常用电模式检测的多项评价标准下均取得了更好的准确性和鲁棒性。     

计及低电压穿越的双馈感应发电机三相短路运算曲面法

分析了常规电源对双馈感应发电机(DFIG)的电压支撑作用,将DFIG接入点以外的系统进行戴维南等值,利用DFIG短路电流周期分量与计算电抗、开路电压的关系曲面,提出了DFIG接入电网的短路电流运算曲面法。针对撬棒投入和未投入时DFIG的暂态特性差异,以转子电流峰值为撬棒投入的判据,分析撬棒动作与故障后DFIG端电压关系;考虑转子励磁控制和撬棒动作延时,推导了DFIG三相短路电流计算式;制定不同时刻DFIG三相短路电流与计算电抗、开路电压运算曲面,给出计及低电压穿越的DFIG短路运算曲面法计算步骤,通过仿真验证该方法的正确性。     

基于两层规划的电力系统N-K故障分析方法

传统的电力系统N-K故障分析一般采用组合遍历的方式,存在故障组合数量大、计算效率低的缺点。文中建立了此类问题的两层规划模型,通过寻优方式确定造成电网损失最大的故障组合。上层问题在故障重数给定的条件下,寻求能够引起电网切负荷量最大的故障组合。下层问题则针对上层问题决策的故障组合,模拟电网事故后的运行情况,在满足电网各类运行约束的条件下,通过调整发电机组输出功率最小化电网切负荷量,进一步给出了模型的遗传算法求解流程。最后,通过IEEE-14节点和IEEE-118节点算例系统,对模型有效性进行了验证。