基于回归分析的故障率预测模型

根据备件的故障率可以有效地预防事故和指导备件的存储策略,本文在介绍典型故障率曲线的基础上,给出了这种曲线的预测模型,并利用此模型对某一备件的故障率进行了预测。     

基于故障率分析的继电保护系统状态检修策略

为了准确计算继电保护系统状态检修的具体检修周期,方便运维人员安排检修计划,提出了一种基于故障率分析的继电保护系统状态检修策略.根据历史数据拟合其基础故障率模型,分别考虑中长期和短期等因素的影响,形成修正后的继电保护系统实际故障率模型.在此基础上,结合工程应用经验和相关导则,通过设立累积故障率门槛值,计算具体的检修周期....     

基于量子粒子群算法的微电网优化调度

在微电网运行中,优化调度尤为重要。针对多种分布式电源(DG)的微电网,提出一种分优先等级的发电控制策略,采用量子粒子群算法对微电网经济运行优化求解。在并网条件下对微电网在一天24 h内进行运行仿真,仿真结果表明,采用的方法与策略是有效的。     

基于改进粒子群算法的继电保护定值优化

对传统的粒子群算法进行了改进,得出一种适用于继电保护整定计算全局优化的改进粒子群算法,为继电保护定值优化的后续研究工作提供了一定的基础。同时,与基于遗传算法优化的继电保护整定计算进行了比较,结果表明改进粒子群算法可成功应用于继电保护全局优化整定。     

基于交叉随机粒子群优化算法的机组组合优化模型

针对机组运行时故障的不确定性,利用威布尔失效概率函数来详细描述机组的故障概率,并以此为基础提出了兼顾机组故障率的机组组合优化模型。根据所建模型的特点,提出了带有随机权重和带有异步变化学习因子的粒子群算法,将机组组合问题划分为离散量和连续量两部分,通过在机组编码矩阵中进行交叉计算来解决机组组合问题。以5台机组24 h的机组组合优化问题为例进行计算,验证了所建模型的正确性及所提算法在求解机组组合优化模型时的有效性。     

基于超参数优化的短期电力负荷预测模型

准确预测短期电力负荷在精细化电网规划、减少发电成本和提高用电质量等方面具有重要作用。为了大幅度的提高短期电力负荷预测的准确性,采用改进粒子群算法(IPSO)优化长短期记忆网络(LSTM),构建了一种新的电力负荷预测模型(IPSO-LSTM)。该模型采用能有效寻找全局最优解的IPSO,解决了LSTM预测电力负荷时超参数难以选取的问题。考虑到粒子群算法(PSO)中惯性权重和学习因子是固定不变的,这容易导致粒子群在前期掉入局部最优而错过全局最优,模型将惯性权重和学习因子由固定值改为非线性变化,以平衡其全局搜索能力和局部寻优能力。通过实际案例数据进行仿真分析,并与粒子群优化的长短期记忆网络(PSO-LSTM)、LSTM以及反向传播(back propagation, BP)神经网络算法的预测结果进行对比,验证了方法的预测效果更佳。实验表明,所提电力负荷预测模型具有较好的精度和稳定性。     

基于粒子群模糊神经网络的继电保护系统故障诊断

针对电力系统继电保护中故障诊断的特点和要求,建立了基于模糊神经网络的故障智能诊断系统模型。采取粒子群优化（PSO）算法和误差反向传播（BP）算法柏结合的方法训练该模型网络,充分发挥PSO全局寻优能力和BP局部细致搜索优势,提高了诊断的可靠性和准确性。实验结果证明了该方法的有效性。     

基于粒子群优化算法的输变电设备检修优化

传统的检修优化模型中,设备的检修状态变量采用0、1二元变量表示,无法用粒子群优化算法(PSO)求解。提出了一种新的输变电设备检修优化模型。该模型用整数表示检修状态变量,使得检修约束得以简化,有利于PSO的求解。仿真结果表明,与遗传算法(GA)相比,在该模型下PSO收敛速度更快,获得更优的解。     

基于粒子群优化的电力负荷灰色预测模型

通过对dt^-dx^（1）＋ax^（1）=u的通解x^^（1）=ce^-ak＋a^-u的参数a、u、c直接求解,避免了灰微分方程参数辨识时选取合理背景值的问题,构建了适应性更强的不需构造GM（1,1）模型的背詈值而直接求解灰微分方程参数的模型,并且在求解这些参数的过程中,应用了在求解非线性问题中具有全局寻优能力的粒子群算法（PSO）。提出了基于粒子群算法优化的电力负荷灰色预测模型PSOGM（1,1,a,u,c）,通过在电力负荷实例中的应用并与传统的GM（1,1）预测模型进行了效果比较,验证了基于粒子群算法优化的电力负荷GM（1,1）模型具有很好的预测精度和适用性。     

基于数据拟合的继保设备失效率调整因子模型

分析继保设备检修行为对其失效率的影响,有助于继保设备检修计划制定和实现电网长期稳定可靠运行.基于某地区继电保护设备故障数据,采用Matlab工具箱对分段数据进行失效率函数拟合,然后利用遗传算法对失效率调整因子进行计算,建立基于数据拟合的失效率调整因子模型,并使用多地区的设备故障数据对该模型和德尔菲法的模型进行评估.研究...     

基于改进灰色马尔可夫模型的设备故障率预测

电力设备故障率具有时变性、随机性、回退等特点,预测难度大,因此在灰色GM(1,1)模型的基础上,采用模糊C均值聚类方法对GM(1,1)模型拟合值的误差序列进行状态划分;通过计算误差序列的状态转移概率矩阵,建立了电力设备故障率的灰色马尔可夫预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又计及了通过状态转移概率矩阵的变换提取数据随机波动响应的特点,避免了最大概率状态不为实际状态而出现最差的预测结果现象。通过实例证明,基于模糊C均值聚类的灰色马尔可夫模型预测结果优于传统的GM(1,1)模型和基于K均值聚类的灰色马尔可夫预测模型,具有较高的预测精度。     

继电保护装置平均故障间隔时间指标的探讨

在初步分析平均故障间隔时间（MTBF）不同标准定义的基础上,提出了继电保护装置MTBF指标的3种计算方法,即可靠性预计、可靠性试验和现场失效数据统计,并具体分析现场失效数据统计的一个应用实例。最后,探讨了继电保护装置MTBF标准取值及MTBF在全生命周期成本（LCC）管理中的应用。     

基于设备完整健康过程的故障率模型参数研究

以当前基于设备状态的故障率模型为研究对象,对完整健康过程概念进行了补充和完善,进而能利用更多的设备历史状态信息计算模型的基于役龄的比例参数K(t)和曲率参数C(t)。完善后的概念克服了以"设备发生故障"为结束标志的完整健康过程样本少的问题,将"设备处于异常或严重状态"补充作为健康过程结束标志,得以充分利用输变电设备的历史数据,尤其是检修和消缺记录,得到更多的完整健康过程样本。案例分析进一步验证同时考虑设备状态和役龄的可靠性模型更具有科学性。     

基于故障率及设备重要程度的变压器风险矩阵模型

采用故障树的方法计算电力变压器故障率,基于设备重要程度、资产损失程度和设备故障率三要素提出了评估变压器风险的矩阵模型。以某一地区84台220 kV变压器作为算例,计算其故障率及重要程度,根据设备状态及故障率比较,提出了设备状态的故障率分界点及设备重要程度分界点,建立了与设备重要程度和故障率相关的220 kV变压器风险矩阵模型。     

继电保护系统正确切除故障的概率模型

根据继电保护装置的动作逻辑,利用Markov状态空间的理论,提出了计算继电保护系统正确切除故障的概率模型。该模型计及了主保护和后备保护的作用,可以评估不同保护配置情况下的可靠性,能够真实地体现保护系统正确切除故障的概率。利用实际统计数据进行的算例分析验证了模型的合理性,计算结果对电力系统可靠性分析及风险评估具有参考价值。     

基于故障率研究的数字保护最优检修周期

从保证智能变电站数字保护系统可靠性的角度建模,采用威布尔分布模拟数字保护装置故障率模型,通过L-M算法对保护装置故障率函数进行拟合。针对保护装置修复非新的特性,分析数字保护装置不同检修类型对故障率的影响,利用检修役龄递减因子和故障递增因子对保护装置检修前后故障率进行预测,推导得出数字保护装置故障检修模型。通过此模型计算得出的保护装置非定期检修周期,可保证数字保护装置经济可靠运行。该方法是一种具有实际意义的数字保护系统可靠性评估方法。     

基于Bayes理论的电磁继电器失效率等级验证试验方案

现有的GJB 65B-99电磁继电器失效率等级验证试验方案是采用经典概率方法制定的,工作量相当大.利用电磁继电器的历史试验数据和工程应用的先验信息,分别给出在不同的先验信息量的情况下,电磁继电器失效率等级初级鉴定和升级鉴定抽样方案,以及失效率等级鉴定的维持抽样方案,成功地达到减少试验工作量的目的.     

基于人工神经网络模型的继电保护探讨

对神经网络模型的继电保护的发展历史进行了评述,较详细地分析了神经网络在电力系统的母线保护、电流保护和距离保护的应用。回顾并展望了神经网络在继电保护中的应用。