基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。     

基于电压时序数据的配电台区户变关系智能识别

为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法.首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似...     

基于改进灰色聚类法的配电台区电能表质量评价方法

针对配电台区电能表运行的质量评估问题,采用改进灰色聚类法建立电能表运行质量评估方法。所建立的方法首先制定电能表质量评估指标体系,将指标划分为准则层和指标层进行确立。接着制定模糊评价矩阵,通过事件关联分析对各个指标层因素的初始权重构建归一化后的修正系数,同时考虑到的近期数据与历史数据方差的偏差进一步修正权重系数。最后制定评估模型中不同灰度的白化权函数,通过德尔菲法对白化权函数中的参数进行确定。基于灰色聚法步骤和模糊评价矩阵计算得到各个指标层状态量以及准则层状态量,得到电能表质量评估结果。仿真算例表明,所建立的模型适用于配电台区电能表运行质量评估,为电能表的排查和检修计划制定提供指导。     

电网信息系统运行状态的风险预警技术研究

电网信息系统在持续工作条件下,运行状态的风险频次较高,文中提出一种基于信息聚类融合处理的电网信息系统运行状态的风险预警技术,构建电网信息系统运行状态风险评估的信息提取模型,对采集的电网信息系统运行状态评估数据进行统计聚类分析,结合模糊自适应C聚类算法进行电网信息系统运行状态评估和状态属性分类,提取反映电网信息系统运行状态风险特征的频谱参量,采用信息反馈调节技术实现风险预警评估。仿真结果表明,采用该方法进行电网信息系统运行状态的风险预警的可靠度较高,风险预警的准确率较高且误报率较低,实时准确性较好,保障电网信息系统的稳定运行。     

基于高维随机矩阵大数据分析模型的输变电设备关键性能评估方法

输变电设备状态参数众多,其变化与电网运行、气象环境等因素密切相关,亟需采用有效的大数据技术对大量的相关数据进行挖掘分析和信息提取,提高输变电设备状态评估的及时性和准确性。文中首先在大量故障和缺陷样本的基础上,通过关联规则的置信度挖掘出设备关键性能与状态量的对应关系,然后通过高维随机矩阵理论对设备状态量的时间序列进行大数据表征,研究了含有时间序列模型的高维矩阵的特征根谱分布与圆环率,分析状态量的历史和当前状态信息,实现设备关键性能的评估和异常检测。以500 k V变电站为例,对变压器的负荷、在线监测和环境气象数据融合构成关键性能的高维矩阵,采用高维随机矩阵理论对历史、当前各时段矩阵的谱性质进行比对,以实现变压器关键性能评估和异常检测。研究结果表明,高维随机矩阵理论对分析设备的运行状态是有效的,为大数据技术在电力设备状态评估中的应用提供了一种新的思路。     

改进谱聚类与遗传算法相结合的电力时序曲线聚类方法

为改善传统聚类算法在电力时序数据上的聚类效果,提出一种基于优化特征向量选取的遗传谱聚类算法。针对应用数据结构特点,合理优化谱聚类算法中特征向量的提取过程,避免传统方法可能造成的数据信息缺失问题;采用遗传聚类优化算法对优选后的特征向量进行聚类划分,并将最终划分结果映射回原始数据。以UCI标准合成时间序列数据与美国区域电网运营商PJM提供的日负荷数据为例,对比分析现有常用聚类算法与所提算法测试结果的聚类有效性指标与形态特征。研究结果表明,所提算法分类效果显著,有较高的聚类质量和算法稳健性,具有工程应用前景。     

基于近邻传播聚类与MCMC算法的风电时序数据聚合方法

为减少风电功率时序数据的冗余信息,提高电力系统仿真的计算效率。该文提出一种基于近邻传播聚类与马尔科夫链蒙特卡洛(affinitypropagationclusteringandMarkov Chain Monte Carlo,AP-MCMC)的风电功率时序数据聚合方法。首先,采用自相关函数与快速傅里叶变换分别对风电时序数据进行时–频域周期特性分析,选取聚类场景样本的最佳时间尺度。其次,利用近邻传播(affinity propagation,AP)算法对场景样本聚类,获取多类场景簇,并基于马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法,构建各类场景簇间的状态转移概率矩阵,生成自定义长度的聚合状态序列,最后,按照状态序列逐次单向顺序抽取场景簇中的样本,构建成具有代表性的风电时序聚合序列。以某省级电网为算例,将提出的AP-MCMC法与典型日法、典型场景集法的多元评价指标对比分析。结果表明,AP-MCMC法生成的聚合序列能更准确地反映风电功率的特征和优化策略,提高了计算精确度和效率,具有一定的工程应用价值。     

基于实时测量系统的电网运行可靠性评估系统

基于实时测量系统的电网运行可靠性评估系统可以根据电力系统运行状态的变化,给出实时计算结果,并能评估不同运行方式和未来检修方式的可靠性,提高了电网运行可靠性的分析水平.文章概述了当前电力系统可靠性评估的发展现状,阐述了基于实时测量系统的可靠性评估系统的整体架构设计,分析了系统基本功能和实施方案,并着重讨论了系统算法和用户接口的设计.应用本系统对实际电网数据进行了评估,结果表明算法能如实反应系统可靠性水平,对系统的可靠性水平有显著作用.     

基于实时测量系统的电网运行可靠性评估系统

基于实时测量系统的电网运行可靠性评估系统可以根据电力系统运行状态的变化,给出实时计算结果,并能评估不同运行方式和未来检修方式的可靠性,提高了电网运行可靠性的分析水平。文章概述了当前电力系统可靠性评估的发展现状,阐述了基于实时测量系统的可靠性评估系统的整体架构设计,分析了系统基本功能和实施方案,并着重讨论了系统算法和用户接口的设计。应用本系统对实际电网数据进行了评估,结果表明算法能如实反应系统可靠性水平,对系统的可靠性水平有显著作用。     

含并网光伏电站的系统可靠性评估方法

为分析光伏发电出力的随机特性与高渗透率可能给电网可靠性带来的影响,提出一种光伏电站多状态转移时序模型。该模型利用模糊C均值聚类方法将历史出力数据归类为四种不同天气类型,并统计其转移概率,利用ARMA方法对所有16种转移状态可能进行时间序列建模,建立更符合实际情况的多状态转移的光伏电站时间序列模型。最后在所建模型基础上,应用序贯蒙特卡罗方法评估光伏接入对系统可靠性的影响,提出一种基于典型天气电站出力的计算光伏提高系统可靠性限值的计算方法。在RTS-24节电系统中仿真结果表明所建模型符合实际光伏电站出力特性,该限值计算方法简单有效,对指导光伏电站接入系统有指导意义。     

基于两阶段聚类的单相电能表质量评价模型研究

电能表的检定误差是评价电能表质量的重要指标之一。当前,行业内主要以基本误差限作为合格与不合格的评价指标,缺乏对合格指标的进一步细分。此外,人工处理的工作量巨大。针对这些问题,提出了一种基于两阶段聚类的电能表质量评价模型。首先分析了各种聚类方法的适用范围与A、B、C三个厂家单相电能表的检定数据,选择K-means算法与HDBSCAN(Hierarchical Density-Based Spatial Clustering of Applications with Noise)作为分析方法。随后,在第一阶段聚类采用HDBSCAN确定K-means算法的K值和初始聚类中心,以解决初始聚类中心随机化的问题。在第二阶段聚类采用K-means算法对所有三个厂家的检定数据进行聚类,得出各聚类类别的统计量描述以确定类别的优劣性,并对结果进行验证。最后,计算得出各厂家和各型号的检定数据在不同类别的占比,给出评价模型的一般推广。所提方法可为电网公司单相电能表厂家与型号的选择提供参考。     

电能表故障与地域气候、行业负荷关系研究

通过对电能表运维地区气候环境、电网负荷的数据采集、量化与聚类分析,依气候特征划分用电地区,同时按电网负荷特征将用电行业分类,结合电能表在各个地区与用电行业的故障统计数据,最终,将电能表按气候严酷程度划分6个地区,作为区域化配置电能表的依据;同时,从对烧表故障影响较大的7种负荷入手进行负荷特征描述与研究,推进了实验室条件下的电能表故障和失效机理的研究,利于对电能表从元器件筛选、设计、生产工艺等各个环节提出改进措施,降低电能表故障率。     

基于K-means++算法的三相电能表评价模型研究

三相电能表是电网公司进行电能计量的重要设备,建立其评价模型有着显著的意义。检定误差是评价三相电能表质量的指标之一,进行人工处理的工作量巨大。针对这些问题,提出了一种基于K-means++算法的三相电能表评价模型。首先定义了一种计量性能指标,综合考虑了与检定误差相关的因变量。随后,针对三相电能表的四种检定条件,分别采用K-means++算法对计量性能指标进行聚类,得出四组结果。在此基础上建立了三相电能表厂家决策指标。最后,给出评价模型在K值大于2时的一般推广。所提方法可为电网公司三相电能表厂家选择提供参考。     

基于集对分析和证据理论的电能表运行状态评估

为及时准确地评估电能表的运行状态,提出一种基于集对分析和证据理论的电能表运行状态评估方法。首先根据电 能表自身基础、在线监测及现场检测信息,建立电能表运行状态评估指标体系。然后运用模糊层次分析法和熵权法分别确定 各指标的主客观权重,运用博弈论和变权理论确定各指标的组合权重与变权重。之后运用集对分析法确定各指标与各状态 等级间的联系度,采用证据理论对各指标的联系度进行合成。最后利用最大隶属度原则与信度准则共同判定电能表的运行 状态等级。实例分析结果表明,该方法与电能表的实际运行情况相符,且评估结果准确直观,与模糊综合评价法和集对分析 法相比,该方法在状态等级区分度上达到了0.5256,明显高于模糊综合评价法的0.3024及集对分析法的0.1483,具有较好 的区分度,为电能表的状态评估提供了一种新的思路。     

基于双重熵值修正指标权重的电能表状态评价研究

对电能表的状态进行全面、准确的综合评价,有助于指导实际检修工作,减少资源浪费。提出了一种基于双重熵值修正指标权重的电能表状态评价方法。具体地：首先,根据指标建立原则,梳理并构建了较为完备的电能表状态评价指标体系。其次,对传统熵值法进行了改进,给出了一种基于双重熵值确定指标权重的方法,兼顾了评价指标的主观经验性和客观规律性。然后,提出了一种电能表状态评价模型,并在某省级电网中应用,分析了不同类别和不同批次的电能表状态特征;并与传统评价方法对比,突出了所提方法的有效性和优越性。最后,结合现场经验和电能表状态评价结果,给出了一种灵活的电能表周期性检验策略,可以减少物力和人力消耗。     

基于威布尔分布的电能表可靠度评价

电能表的可靠度评价是电能表质量的重要评判标准。针对当前国网信息系统中电能表可靠度评价模式比较简单、不够准确的问题,文章基于威尔布分布,结合电能表的可靠度理论,实现对实际运行电能表的批次可靠度评价。利用实际运行中电能表的批次运行数据,计算电能表不可靠度,采用最小二乘法回归计算中间参数,并确定威布尔分布的尺度参数和形状参数,实现对整个批次电能表可靠度的预测。该方法在电能表可靠度计算理论的基础上成功实现了威布尔分布理论在电能表评价中的实际应用,突破了传统方法采用实验室加速试验数据的局限性,并实现了模型的动态修正,在电能表轮换工作中具备较高的应用价值。     

基于分层网络的电能表运行状态评价

现有的电能表状态评价大都从孤立微观的角度对电能表运行状态进行评估,没有从更大的视角对台区电能表进行整体评价。孤立地对单个电能表进行状态评价,有可能造成对整个台区运行风险的误判。为了更加全面细致掌握电能表及台区的运行状态,我们提出了一种分层网络模型。方法是基于用电采集系统和计量生产调度平台的历史数据,根据各指标的状态对电能表质量,预期寿命和故障率进行评分,依据评分将电能表状态划分为稳定、正常、关注、严重和预警五个等级。基于台区终端记录的电能表异常事件数据,利用深度决策森林(Deep Neural Decision Forests)模型将台区中的异常事件等级程度划分为严重、重要、较重要和一般四个等级,模型分类正确率达到86.58%。实验结果表明,方法能够准确判断电能表的运行状态和整个台区的运行风险情况,为实现电网可靠稳定运行创造了条件。     

基于随机矩阵理论的电网状态分析与扰动定位方法

随着电力技术的不断发展,电网的规模和复杂程度在不断增加,导致相应的电力数据也在以指数级的速度增加。传统的模型法无法充分利用历史和实时数据,同时具有不可避免的假设与简化,而以数据为驱动的随机矩阵理论方法不依赖于具体的机理建模。文中首先介绍了大维统计分析,结合经典多元统计分析的局限,分析了随机矩阵原理的重要作用,重点介绍了单环定理和线性谱统计量的概念。然后,引出了高维统计指标,即文中使用的平均谱半径。结合已有的知识体系分析了随机矩阵理论的应用基础和数据来源,给出了电网状态分析的具体思路,提出了基于电压数据的电网扰动定位方法。最后,通过算例的验证,证明了所提方法的有效性。