基于改进深度降噪自编码网络的电网气象防灾方法

电网运维数据表明电网故障的主要原因已由电气设备制造工艺水平、现场运维水平等因素转向雷电、山火、大风、冰灾等自然气象因素,电网防灾减灾也应重点关注气象致灾。针对气象与电网故障之间的关联特点和规律,提出了一种基于改进深度降噪自编码(SDAE)网络的电网气象防灾方法。以气象历史数据和电网运维检修数据为基础,利用合成少数类样本过采样技术(SMOTE)降低原始数据集的不平衡度,自编码网络通过非监督自学习和有监督微调完成气象信息特征的提取和气象信息与电网故障映射关系的建立,并通过融入稀疏项限制和加噪编码来改善网络的鲁棒性。算例分析表明,所提出的基于SMOTE和SDAE的网络电网气象防灾方法,能够准确、全面地建立气象信息与电网故障之间的关联映射关系,能够对给定的气象条件是否会导致发生电网灾害事故进行准确的预判。     

基于栈式相关性稀疏自编码的电力通信网故障诊断

针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(StackedRelational SparseAutoencoder,SRAE)深度神经网络的电力通信网故障诊断方法。将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足。因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder, RAE)。然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE。最后,以路由器之间的连接故障为例进行仿真实验。实验结果表明所提出的故障诊断方法准确率平均值达到99.625%,具有较高且稳定的诊断准确性。     

栈式降噪自编码网络在变压器故障诊断中的应用

为提高变压器故障诊断的准确率,提出了一种新型的变压器故障诊断网络,该网络以基于栈式降噪自编码网络为基础,把深度学习用在诊断变压器设备故障方面,建立深层网络模型,采取逐层贪婪编码的方式进行自适应的非监督式预训练,实现高维深层故障特征的自适应提取和挖掘,进而使用反向传播算法对模型进行监督式微调。最后利用Softmax分类器,对故障进行分类输出。最后通过实例验证表明,提出的栈式降噪自编码网络能准确、有效地对变压器进行故障诊断,与传统方法相比,该方法提高了变压器故障诊断的准确率。     

基于图模型的架空输电线路山火风险等级预测模型

山火灾害易诱发架空输电线路跳闸事故,严重危害电网的正常稳定运行。为降低山火灾害对电网运行的影响,提高架空输电线路山火防治水平,本文提出了一种基于图模型的架空输电线路山火风险等级预测模型。该模型首先在森林火险气象指数的基础上,综合考虑地表燃烧因子和历史火情因子的影响,构建了输电线路山火风险等级评估指标体系;然后结合专家评分采用图模型和最优理论降低赋权中的主观随意性,确定了各因子权重系数,并利用3 km×3 km分辨率的降水预报数据对山火风险等级进行修正,实现了输电线路山火风险等级预测;最后以南方电网山火高发期卫星监测热点分布情况,验证了所提方法的准确性。该方法目前已成功应用于南方电网山火监测预警中心,可指导输电运维人员提前巡查重点隐患线路,降低架空输电线路山火跳闸风险,提高电网安全稳定性能。     

基于层次分析法的中压配电线路森林火灾故障预警辨识模型

近年来，因森林火灾（山火）引发电力线路故障事件时有发生，给电力系统造成严重影响。针对输电网的山火故障机理分析已有不少的研究成果，而针对配电网的则较少。为了填补现有的中压配电线路山火风险评估方法的缺失，以及传统评估方法中仅围绕气象因素，导致风险指标过于单一的问题，以福建电网的运维数据为基础，提出一种基于层次分析法（analytic hierarchy process,AHP）的10 kV配电线路山火故障预警辨识模型。从故障可能性与严重性两大方面划分层次结构深度剖析，结合专家经验展开判断矩阵的构造并对矩阵进行一致性检验，计算得到各影响因子的权重值，赋以专家系统加权运算得到最终风险得分，最后通过实际案例进行验证。研究成果可对山火故障进行预警并提供合理的应对措施，同时为后续的事故调查、事故责任划分提供辅助参考。     

基于堆叠自编码网络的风电机组发电机状态监测与故障诊断

为实现风力发电机的异常检测分析,提出了一种基于风电机组发电机正常状态下数据采集与监控(SCADA)样本数据的堆叠自编码网络深度学习方法。首先将多个自编码网络连接构成深度堆叠自编码网络,选取发电机SCADA状态变量数据作为网络的训练输入,使网络逐层智能提取数据间的分布式规则,从而构建发电机的堆叠自编码学习模型。依据故障状态下发电机SCADA数据内部动态平衡规则被破坏,利用发电机深度学习网络的输入与重构值计算重构误差,并作为整体状态的观测量。通过采用自适应阈值检测重构误差的状态趋势变化,并作为异常预警判定准则,从而实现对发电机故障的判定。当发电机发生异常时,变量的实际值与对应模型的重构值发生较大偏差,表现为状态变量的残差趋势将会偏离原有的动态稳定状态。因此利用状态变量的残差趋势变化对异常变量进行隔离,判定可能的故障原因达到故障诊断的目的。通过对发电机故障前后记录数据进行仿真分析,结果验证了堆叠自编码网络深度学习方法对发电机状态监测与故障诊断的有效性。     

基于图注意力网络算法的电网连锁故障关键线路辨识

快速、准确识别电网中对连锁故障发展具有助推作用的关键线路,对避免大停电事故发生具有重要作用。该文提出一种基于图注意力网络(graph attention network,GAT)算法的电网连锁故障关键线路辨识方法。首先,分析连锁故障传播机理和关键线路特征,采用运行可靠性模型仿真模拟连锁故障,依据风险理论定义关键线路。其次,利用GAT算法建立关键线路辨识模型,考虑到计算稳定性、样本均衡性等问题对辨识结果的影响,设计了多头注意力机制、带权重交叉熵损失函数等,完善优化模型。最后,构造运行场景-关键线路样本集,对辨识模型进行训练、验证与测试。IEEE39节点系统和实际电网算例仿真表明,所提方法显著提高了新场景下连锁故障关键线路辨识的准确性和速度,具有一定的应用前景。     

基于深度学习的电网短期负荷预测方法研究

深度模型通过学习一种深层非线性网络结构以实现复杂函数逼近,具有很强的自适应感知能力。本文为了提高电力负荷预测精度,提出一种基于栈式自编码神经网络的深度学习预测方法。该方法结合自编码器和逻辑回归分类器构建一个多输入单输出预测模型,并将重构后的历史负荷、气象信息等数据输入到预测模型中,用栈式自编码器逐层学习并提取深层特征,最后在网络顶层连接逻辑回归模型进行短期负荷预测。实例分析表明,所提预测模型能够有效刻画日负荷变化规律,泛化能力较强,其预测精度达到96.2%,比支持向量回归和模糊神经网络两种浅层学习模型更高。     

基于深度自编码网络模型的风电机组齿轮箱故障检测

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。     

基于云模型和随机森林的韧性城市电网风险预警模型

相比传统电网,韧性城市电网展现出了出色的适应多种扰动和灾害的能力,但其复杂性也使得韧性城市电网风险预警面临更大的挑战,亟需大数据和机器学习等先进技术的引入。首先,构建韧性城市电网风险评估指标体系,采用主客观结合的综合赋权法对指标赋权,通过大数据技术获取的实时数据流得到韧性城市电网风险评估指标的动态权重;然后,构建韧性城市电网风险评估标准云,计算韧性城市电网风险等级隶属度,确定风险等级;最后,基于随机森林构建韧性城市电网风险预警模型,并进行算例分析,通过与其他模型对比,发现所构建的模型表现出高精度的特征。所建模型具有较好的风险预警效果,从而能够及时采取有效风险管控措施,保障韧性城市电网稳定运行。     

基于物联网的环网柜在线监测技术研究

针对目前环网柜在线监测设备融合度较低导致运维复杂、整体成本较高的问题,研制了一种集成物联网传感器接入、机械特性在线监测、局部放电在线监测以及标准化通信接口的物联网环网柜监测终端。按照装置功能详细介绍了子模块的构成以及基于容器的软件架构。并重点介绍了机械特性在线监测相关的数据零漂调整、数据触发门槛选择、特征分析实现方法。同时介绍了一种用于局放采样的改进型峰值保持机制。为验证装置相关性能,搭建了试验平台,并模拟了部分典型机械特性故障。结果表明：监测数据准确且一致性高,能够满足现场的应用需求。     

基于联合检测的环网柜局部放电方法研究

随着城市配电网的快速发展,对供电可靠性的要求也越来越高,环网柜作为配电网联络、转电的设备,其重要性不言而喻。环网柜局部放电的快速准确检测对于保障电网安全稳定运行,提高供电的可靠性具有重要的意义。文中详细介绍了脉冲电流法和特高频法的相关原理及其相应的特点,并提出了运用脉冲电流法与特高频联合检测方法对环网柜的局部发电进行检测。通过现场测试可知,所提出的方法能够准确快速地实现环网柜局部放电的检测,具有很好的实践意义。     

基于FPGA的环网柜数据采集及其检验技术

提出了一种基于FPGA的环网柜在线监测系统的终端解决方案,并将实时性要求高的计算任务集中在FPGA上实现,开发了环网柜数据采集监测终端的软硬件。基于环网柜拓扑结构,对在线监测参量加以实时数据融合检验,以提高环网柜终端监测系统的实时性与监测参量数据的可靠性。     

基于超声波法识别环网柜的局部放电类型研究

随着经济的快速发展,对电能质量提出了越来越高的要求,环网柜作为配电网联络的设备,其重要性不言而喻。由于环境影响,施工工艺等因素,环网柜中常常会有局部放电的现象,影响设备的稳定运行,危害电力系统的安全。环网柜的局部放电总的分类可分为四大类:悬浮放电、沿面放电、电晕放电和多点放电,不同的局部放电类型相应的特点以及对环网柜的损害都不一样。基于此,采用超声波法对环网柜的局部放电类型进行识别研究,从超声波检测方法的幅值图、超声波检测方法的相位图和超声波检测方法的波形图三位一体,比较了不同局部放电类型的特征和差异点。与传统的超声波法相比,文中方法检测的参数更多,更能实现准确检测。不仅可以加深对局部放电的了解,具有实际的实践意义,还能为进一步的局部放电定位奠定扎实的理论基础。     

基于TEV和AE的开关柜局部放电综合分析系统

在分析局部放电检测原理、方法和装置的基础上,采用暂态地电压和超声波联合检测的方法搭建了开关柜局部放电在线监测装置,开发了具备快速巡检和重症监护功能的综合分析软件,并在实际案例中进行了测试,验证了基于暂态地电压和超声波的开关柜局部放电综合分析系统的高准确性、高灵敏度和高抗干扰性.系统具有良好的便携性和灵活性,且具有开关柜...     

基于ZigBee无线技术的开关柜温度监测系统

对开关柜进行温度监测可有效防止开关柜的火灾,基于ZigBee无线温度传感器构建了开关柜温度监测.首先分析了ZigBee网络技术中的主要设备、拓扑网络结构以及协议栈体系结构,在此基础上,建立了开关柜温度监测系统,对系统中的无线传感器节点:ZigBee网络管理单元、数据监测管理中心以及选用的拓扑结构进行了介绍.     

新型的电缆局部放电在线监测系统研究

城市电网中因电缆沟电缆故障起火的事件时有发生,电缆绝缘劣化是电缆发生故障的重要原因,局部放电(简称局放)是电缆绝缘缺陷的表征,也是导致其绝缘劣化的主要原因之一。一直以来手持局放仪巡检电缆线路是诊断电缆绝缘状态的重要方法,为降低工作人员手持局放仪巡线的繁琐程度,研究了一种新型的电缆局放在线监测系统,该系统中使用高频电流传感器耦合流过电缆接头接地引下线的高频脉冲电流信号,并通过新型局部放电采集器将局放综合信息上传至局放监测主机,完成局放信号的实时在线监测。与传统的局放采集器相比新型局放采集器搭载了电力人工智能芯片,实现了局放信号处理的边缘计算,极大地缓解了庞大安装数量级下局放监测主机的压力,最后在现场测试中应用了该系统,并验证了该系统的可行性。     

多种局部放电检测手段诊断开关柜放电缺陷

介绍了所使用几种局部放电检测手段及其特点,其彼此间有互补性。对一起35 kV开关柜放电缺陷的发现、复测和诊断过程做了介绍,并指出局部放电普检对状态检修的重要性,开关柜常见放电部位,应加强对间歇性放电源的检测。     

再热凝汽式汽轮机阀门流量特性在线监测优化

合理的阀门流量函数设置是火电机组功率线性控制的重要保障。当实际运行机组的阀门流量特性存在非线性而影响控制性能时,则需重新优化阀门流量函数。目前阀门流量函数的优化是以阀门流量特性试验结果为依据的。基于某电厂362.5 MW引进型机组上试验研究,提出一种阀门流量特性在线监测优化方法,利用DCS的历史数据监测机组实际的阀门流量特性并优化阀门流量函数,根据阀门流量特性的变化预先修正阀门流量函数,可避免由阀门流量特性引起的一次调频性能下降、功率振荡等问题。     

基于动态数据挖掘的汽轮机调节门流量特性在线计算

为实现汽轮机调节门流量特性实时分析和在线监测,建立动态数据挖掘模型用于调节门流量特性计算,以某厂350 MW超临界汽轮机组为例检验该方法。研究结果表明：所建立的动态数据挖掘模型能够从实时运行数据中提取和更新计算样本,利用移动最小二乘法建立的数学模型很好地反映了输入参数与输出参数之间的映射关系,与汽轮机性能试验结果相比偏差在1.5%以内,是一种行之有效的在线计算方法。