基于天气因素的配电网故障停电风险预测研究

预测配电网运行中的潜在风险对配电网运维有重要的意义.因此,提出一种基于天气因素的配电线路故障停电预测方法.分析配电网故障停电概率与天气变量及其他可能因素变量之间的关联关系,得出故障特征变量,并基于ReliefF算法对故障特征变量合集与配电网故障停电概率进行关联性分析,得到故障特征变量的重要程度权重排序.依据主要故障特征...     

基于数据挖掘的配电网故障风险预警

为了提高配电网风险预警的准确性,提出了基于数据挖掘的配电网故障关联因素分析与风险预警的方法。通过数据清洗、数据变换、数据集成和离群样本剔除,归纳配电网四大类共28个故障特征;采用改进的Relief-Wrapper算法进行故障关联因素分析,剔除了6个冗余特征,形成了由22个故障特征组成的最优故障特征子集;提出了兼顾故障发生频率和失电负荷比例的配电网故障风险指标和风险等级划分方法,采用基于径向基函数的支持向量机(SVM)方法和最优故障特征子集进行风险预警。对某市120条馈线配电网进行了风险预警算例分析,结果验证了所提方法的有效性。     

基于随机森林的配电网故障分布特征预测方法

影响配电网故障的因素繁多,且故障特征冗余性强,传统的预测模型难以实现有效的配电网故障预测。提出一种基于随机森林的配电网故障分布特征预测方法。基于随机森林算法,建立配电网故障分布特征预测模型;分析故障影响因素,构建输入故障特征变量集;量化故障分布等级,构建输出故障特征分布集。采用探索性数据分析技术,筛选故障特征变量,构建最优特征变量集;优化预测模型参数,获得在当前数据背景下的最优预测效果。以南方某市配电网中的120条馈线为例,测试所提故障预测方法,验证故障预测的准确性和合理性。     

基于大数据的配电网故障停电指标关联因素建模研究

传统配电网故障停电指标关联因素分析方法存在停电预测耗时长和准确率低等问题。为此,研究基于大数据的配电网故障停电指标关联因素模型。基于大数据建立配电网停电故障风险指标,利用层次分析法计算配电网大数据风险指标总体权重。通过数据预处理生成随机森林分类器,将配电网停电故障风险指标作为分类器输入,以OOB残差均方法实现配电网故障停电指标关联因素重要性排序,分类器输出结果即为预测到的配电网停电故障。试验结果表明:模型的电网故障覆盖率较高,说明所提方法具有理想的准确性。     

基于粗糙集理论的配电网故障风险评估

为了避免或减少由于配电网故障引起的停电损失,提出了一种基于粗糙集理论的配电网故障风险评估方法。根据配电网历史故障风险情况和专家经验,将各种故障时的全部可预知风险评估指标和相应的风险等级数据组成一个原始数据表,利用粗糙集理论的属性约简和属性值约简功能对该数据表约简,得到最小规则集,即为最终的配电网故障风险评估模型。实例分析结果表明,该方法能够准确地在线预测配电网故障风险等级,对于提高供电可靠性和电能质量具有重要作用。     

计及拓扑变换的主动配电网故障风险智能预警

当突发自然灾害后,主动配电网可利用联络支路转供和灵活供电的分布式电源(DG)恢复重要负荷的供电,从而有效降低故障风险。文中提出了一种基于数据驱动的多维度主动配电网故障风险等级智能预警方法。首先,采用基于卡方检验和Pearson相关系数特征选择方法从多个维度进行故障关联强弱性分析,筛选得到最优故障特征集;然后,建立考虑DG并网的配电网故障重构优化模型,计及配电线路重要程度,为配电网故障风险等级划分提供了重要依据;在此基础上,建立基于极限梯度提升(XGBoost)算法的配电网线路故障风险等级预警模型;最后,以IEEE RBTS Bus6配电网系统进行算例分析。文中所提方法的预测准确率比反向传播(BP)神经网络算法高3.17%,泛化能力更强,可为配电网故障风险防控提供重要依据,从而有效降低故障损失。     

面向不平衡数据的配电网故障停电预测方法

配电网故障停电事件会严重影响正常的社会经济生活。因此,迫切需要有效的配电网故障停电预测方法。采用人工智能方法分析配电网故障停电数据,发现存在配电网故障停电次数较少和引发配电网故障停电的原因分布不均等数据不平衡情况。为了及时、准确地预测配电网故障停电情况,从数据集质量和防止过拟合两方面入手改进故障停电预测模型。首先,设计了基于聚类的对抗神经网络来增强数据集质量。其次,构造了基于随机代价敏感卷积神经网络(RandomCost-CNN)的故障停电预测模型。RandomCost-CNN预测算法中采用有放回随机抽样思想设计了损失函数的随机选择策略,用以解决常规代价敏感过度拟合少数类(故障停电类)而使得大量多数类(正常类)被误报的问题,既保证少数类具有较好召回率与精确度,同时又提高了模型的泛化性能。实验证明所提方法能有效预测配电网故障停电事件发生概率,在配电网运维管理中能够发挥较好的预警作用。     

配电网设备故障停电风险实时评估

实现配电网设备故障停电风险的实时评估对供电可靠性的提高、停电损失的降低有积极意义。提出包含设备故障率和设备故障停电影响程度的配电网设备故障停电风险评估模型,设备故障率综合考虑了实时系统因素及环境因素,设备故障停电影响程度考虑了损失负荷、损失电量、停电用户小时数、停电用户级别加权户数4个指标。以某配电网为例实现对配电网设备故障停电风险的实时评估,结果达到了实时评估的要求,证明了所提方法的准确性。     

面向用户并考虑紧迫性的配电网运行风险评估

为了对运行中配电用户的风险及其紧迫性进行评估,提出了一种面向用户的配电网运行风险评估方法。该方法将用户作为评估对象,通过对运行中的配电网模拟预想故障下的负荷转移,分析用户所受故障损失,定义了考虑负荷不确定性的用户期望停电概率风险指标、用户期望停电时间风险指标、用户期望电量损失风险指标,并且通过结合系统期望停电用户数风险指标体现预想故障对系统整体的影响。为反映过负荷的影响,定义了配电网过负荷风险指标。基于预防控制执行时间与风险来临时间的比较,建立了风险紧迫性等级,用以反映确保预防控制措施能够有效实施的时机。采用IEEE 3馈线配电系统对所提方法进行了详细说明,结果表明其是可行和有效的。     

基于灰狼-支持向量机的配电网架空线路故障停电率水平预测

配电网故障停电对电力系统安全运行有着巨大影响,架空线路作为配电网中重要部分,工作环境复杂,因此对架空线路故障停电率水平进行预测有重要价值。针对目前支持向量机算法模型对故障停电率预测存在的问题,利用灰狼优化算法对其中惩罚因子及核函数参数进行最优搜索,构建起灰狼-支持向量机算法模型。结合某地区架空线路故障停电历史数据,构建了故障停电率预测模型,验证了这一方法的有效性。     

基于数据驱动的配电网停电预测模型

停电事故作为影响配电网供电可靠性重要的因素之一,其预测的准确性将给整个电力系统的可靠性带来积极影响.本文提出了一种基于数据驱动的配电网停电预测模型,能够有效地预测停电事故的发生.该模型首先采用一种基于K-means聚类的停电数据集欠采样方法降低原始数据集的不平衡比;然后在此基础上,提出了一种改进的Adaboost集成学习算法,在每次权值更新时,通过使用已经训练的弱分类下的分类误差进行权重更新,用于对后面的弱分类器进行训练,进而改善分类性能.某地区的实际数据测试结果表明,本文提出的基于数据驱动的配电网停电预测模型能够有效地预测配电网停电事故的发生,相比于传统预测方法具有更好的精确度、召回率、F1值,停电预测性能得到明显提高.     

基于海量数据的配电网运行分析系统架构与技术实现

灵活地分析和运用配电网多源异构数据,进行配电网故障的准确预测和潜在风险扫描,对实现配电网高效精准的运行分析决策很有意义。文中介绍了一种基于海量数据的配电网运行分析系统的整体架构和功能设计,通过应用实例展示了系统各模块的功能和运行分析结果。该系统集成电网地理信息、营销业务应用和配电自动化等系统数据,采用改进的机器学习算法和薄弱点辨识方法,扩展了目标配电网数据相关性分析、故障风险等级预测和薄弱点辨识的功能,有利于相关部门有针对性地提出相应技术和管理手段进行配电网运维检修工作,提高了现有配电网分析系统的科学性和实用性,为最终实现配电网运行分析的信息化、智能化、精益化奠定了基础。     

基于数据分析的配电网故障数据特征变量提取

配电网线路故障预测是提升配电网可靠性指标的重要手段,为了构建性能稳定、预测能力强的线路故障预测模型,需要保证模型输入特征变量的有效性、强相关性和无冗余性。为合理确定线路故障预测模型的输入特征变量,本文采用数据探索和挖掘的分析方法对馈线故障及其影响因素之间的关系进行了分析研究,以皮尔森相关系数为计算指标,对大量实际馈线故障数据与其影响因素进行相关性统计,从馈线故障的时间-地域特性、外部影响因素、自相关特性、运行影响因素等四个维度筛选出了馈线故障影响因素特征变量作为馈线故障预测模型的输入变量,直观有效地剔除无关故障特征变量。因此,所提出方法可用于配电网大数据的预处理分析和提取,为配电网故障预测提供重要方法和数据基础。     

含分布式电源的配电网停电风险快速评估

大量分布式电源(distributed generation,DG)接入配电网导致系统元件数量的增加和系统状态数目的增大,为停电风险评估在含DG配电网中的实施带来困难。为此,提出一种基于设备随机故障的含DG配电网停电风险快速评估方法。为加快评估速度,在系统状态抽样环节引入拉丁超立方抽样技术(Latin hypercube sampling,LHS),通过对配电网各系统变量实施分区、抽样、排序的方式得到用于停电风险评估的系统状态;通过定义负荷点的贡献度与消耗度2个孤岛划分参量,削弱了孤岛划分算法中负荷点接线结构对算法快速性的影响,进而提出了能同时满足快速性和精确性要求的孤岛划分方法。从充裕性角度建立了配电网停电风险的指标体系,并制定了相应的风险评价标准。算例结果表明,提出的快速评估方法能反映含DG配电网的停电风险程度,可为电网规划及运行人员提供参考。     

考虑多种影响因素的配电网运行风险评估

配电网故障引起的大停电事故的频频发生引发了人们对配电系统运行风险的研究。针对配电网发展过程中运行风险影响因素的不断增加,提出了一种考虑多种影响因素的配电网风险评估模型。模型中配电网停电成本的计算采用了一种新方法,该方法反映了停电频率、停电持续时间及停电电量对停电成本的综合影响,能更科学地计算出停电成本,使配电网风险评估结果更接近实际情况。最后采用蒙特卡罗法对RBTS Bus-3进行了风险评估,并与解析法的评估结果进行了对比,验证了评估方法的有效性。     

电气-环境耦合作用下的引流线可靠性评估方法

自然灾害下电力设备故障成为用户停电和灾后抢修的主要因素,电力设备的健康程度和抗灾能力与其长期运行环境密切相关,评估其健康水平对提升设备可靠性具有重要意义。以自然灾害特征最为明显的海岛配电网和故障频率最高的引流线为对象,根据其在多因素、强相关性环境特征影响下的运行状况,提出一种基于双重优化改进集成神经网络的引流线可靠性评估方法。首先,通过最大信息系数筛选配电线路故障特征,形成历史故障数据集。其次,为提取海岛微气象环境下的引流线故障规律,结合主成分分析和Kmeans对引流线进行故障区域划分。在此基础上,构建电气-环境耦合的集成神经网络预测模型,关联海岛气象特征和引流线故障特征进行寿命预测。并通过Attention机制和双重优化体系进行改进,突出海岛典型气象因素影响、提升预测准确性。最后,基于浙江舟山实际数据进行算例验证。结果表明：所提方法能够有效评估海岛配电网引流线的寿命状况,对提高配电网设备可靠性具有重要实用价值。     

基于负荷特征的有源配电网供电可靠性监测研究

为提高配电网的运行稳定性,满足优质供电需求,提出基于负荷特征的有源配电网供电可靠性监测方法。选取负荷特征的采集设备,利用光纤网络传输采集数据;结合不同时间段的用电情况,建立负荷概率模型,获得配电网中所有负荷点的时序特征;分别分析串联、并联结构的负荷点可靠性指标,利用停电频率、停电时间等指标评估配电系统的可靠性;以这些指标为监测依据,获取配电网正常运行的概率公式,在网络中输入基本信息,设置迭代次数及抽样密度,判断停电期间电源是否能满足全部负荷的供电需求。仿真实验表明,应用所提方法进一步缩短了断电时间,最短为5 h,且供电可靠度均高于0.95,证明该监测方法对准确预测停电故障具有显著的意义。     

基于改进PSO-BP网络的配电网故障选线与测距

利用子群优化神经网络(PSO-BP)提出更适合配电网故障选线与测距算法,使配电网线路得到更好的优化。针对配电网单相接地故障特征,开展系统单相接地故障稳态分析,系统单相接地故障暂态分析,以及系统单相接地故障谐波分析,得到影响选线及测距的因素,进一步提出PSO-BP网络改进算法,通过分析BP算法的结构模型以及粒子群优化算法,结合2种算法,得出改进PSO优化BP的算法流程,明确基于改进PSO-BP网络的配电网故障选与测距的操作方法,从而更好的为配电网故障的定位选线是以测距提供准确、可靠的数据。     

基于配用电数据关联的中压配电网断线故障诊断方法

基于配用电信息系统数据和关联规则算法,提出一种诊断中压配电网分支线断线不接地故障的方法。通过分析相互关联的配用电信息系统数据,提出基于数据特征选择的关联规则挖掘方法,并通过卡方分裂算法将连续型特征量转换为布尔型特征量,同时采用MSApriori算法解决故障信息中的稀有项问题,然后在此基础上应用kulc准则消除冗余规则以形成约简的代表规则家族。以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,结果说明所提出的方法能够大量减少无效挖掘,显著提高效率和准确度,适用于中压配电网断线故障的在线诊断。     

基于高效数据降维的配电网风灾停电用户数量预测模型

风灾可能会导致配电网大面积停电,有效的配电网停电用户数量预测可以为应急抢修提供辅助指导.文中提出了一种基于高效数据降维的配电网停电用户数量预测模型.首先,基于数据驱动的方法,考虑所有特征变量即全局变量构建了基于随机森林算法的配电网停电用户数量预测模型.然后,利用部分依赖图详细分析了台风期间影响配电网停电用户的多种特征变...