电力通信光纤传输网络评估与优化方法研究

针对电力通信光纤传输网络的现状,首先提出了一种网络评估模型,并在此基础上定量或定性地给出了网络评估指标的计算方法。该评估方法有效地刻画了网络的可靠性、有效性和扩展性。然后针对该评估指标给出了相应的优化策略和优化方法,该策略能够优化网络结构,大大提高网络性能。最后结合具体的工程实例论证了该方法的有效性。该网络评估与优化方法对光纤传输网络的规划设计和维护管理具有现实的指导意义。     

电力通信大数据实时共享方法研究

电网储存和传递的数据日益庞大,对电力通信提出巨大挑战,大数据技术可以实现信息快速传输与交互,因此对电力通信大数据实时共享方法进行研究.通过对电网进行分层网格化处理,设置路由节点,生成网络骨干,计算复杂网格特征,完成电力通信网络拓扑结构的构建;集成整合异构数据和抽象定义扩展数据,提取大数据实时共享特征,实现电力通信信息实...     

基于用电大数据的用电异常状态辨识方法

为充分利用并挖掘电力系统中海量的用电数据进行用电异常状态的识别,本文基于计量自动化系统智能电能表所采集的用电大数据,用随机矩阵理论对用电异常状态、异常时间段及异常地点的辨识进行研究。首先,介绍了用电大数据构造高维随机矩阵的方法,并分析了高维随机矩阵的协方差矩阵特征谱分布规律;然后,根据矩阵的特征值统计特性变化规律提出基于用电大数据矩阵的用电异常状态辨识及定位方法;最后,以贵州各大行业实际用电数据为例,对不同的行业进行了仿真验证,仿真结果表明该方法能准确识别用电异常并判别异常时间段和异常地点,不仅能满足电网对可视性、时效性、可靠性和安全性的迫切要求,而且为数据驱动用电环节智能化、可视化监控提供了新思路。     

基于大数据深化分析的电能质量扰动辨识方法研究

随着海量充电桩、分布式能源和新型储能设备等新型设备接入电网,导致电能质量问题日益突出。该文以随机矩阵理论为基础,提出基于大数据深化分析的电能质量扰动辨识方法,实现电能质量异常扰动的高精度辨识及挖掘。利用高维随机矩阵对电能质量状态进行表征;通过计算随机矩阵的谱半径来映射电网电能质量的数据变化状态,以实现电能质量扰动的自动辨识;以仿真的电网运行数据为对象进行实例分析,验证了所提方法的有效性。     

基于大数据的燃煤发电运行风险实时评估

燃煤发电机组运行过程中面临各种风险,一旦发生故障将造成不小的经济损失和社会影响。为了保障机组的安全生产和稳定运行,建立了燃煤发电运行风险实时评估模型,从而及时制定故障检修计划。基于大数据关联规则分析了燃煤发电运行风险与影响因子的关联关系。在此基础上,基于熵权法对影响因子赋权,并结合灰色关联理论、证据理论和Dempster合成规则实现基本信度分配函数的确定和融合,从而得到燃煤发电机组运行风险值和风险等级。最后,以发电厂A的燃煤发电机组进行算例分析,其风险评估结果与实际运行情况具有相关一致性,证明了模型的现实意义。     

基于改进生成式对抗网络的电网异常数据辨识方法

基于数据驱动的电网异常数据辨识方法已成为电网安全领域研究的重点,由于实际电力发电统计数据中异常数据样本数极少,给通过数据挖掘方法辨识异常数据情况带来了极大困难。文章提出了一种基于Wasserstein生成式对抗网络(Wasserstein generative adversarial networks, WGAN)和孤立森林算法(isolation forest,iForest)的发电统计异常数据辨识方法。首先,利用WGAN交替训练生成器和判别器学习发电统计数据的分布特性并生成样本,用生成异常样本对原始异常样本进行增强,根据异常数据辨识精度确定异常样本的扩充比例;然后,在扩充后得到的平衡数据集上利用孤立森林算法实现异常数据辨识;最后,通过扩充样本前后模型的准确率、查全率以及查准率来比较模型异常数据的辨识效果。算例结果表明,文章提出的异常样本增强方法能够有效地改善辨识模型对于多数类的分类偏好问题,提升整体辨识精度。     

电力通信网络安全可靠性定量评估研究方法

当前电力通信网络的安全可靠性评估缺少量化的评估手段,针对该问题,文章提出了完整的定量评估研究方法,该方法建立了分层结构的定量评估模型(包括分层结构指标体系、指标权重模型),并定义了安全可靠性指标值与对应的评估结论等级。该方法为电力通信网络的规划、建设、优化提供定量依据和基础数据,具有理论研究价值和工程指导意义,并已在国网上海电力项目中得到应用。     

基于大数据驱动的电压暂降损失评估方法研究

电压暂降导致用户用电质量下降,从经济性角度出发,分析线路电压暂降历史数据,对电压暂降引起的经济损失进行评估。建立电压暂降耐受曲线模型,用正态分布概率密度函数表示设备参数可能性。根据线路的电压暂降历史数据,分析获得电压暂降累计时间概率分布,并基于所得数据,建立设备跳闸概率估计模型。在设备发生单次跳闸时的最大损失基础上,建立了电压暂降损失评估方法。最后算例分析表明,所提出的方法使得评估方法快捷准确,并符合实际情况,有效地评估了电压暂降的损失程度。     

大规模复杂网络的电力通信可靠性评估算法研究

在基本可靠性框图RBD的基础上,介绍了一种新的电力系统通信可靠性计算方法,其具有扩展性强、计算效率高、仿真精度高、建模方便的优点,可用以解决目前大电网可靠性分析方法的计算过程复杂、工作量巨大、计算速度慢、分析结果不够准确的问题,具有重要的推广应用价值。     

基于安全效能成本的电力通信价值评估方法

电力通信网安全直接影响电网的安全运行以及企业管理高效经营,如何对电力通信网进行有效管理和价值评估具有重要研究意义。从电力通信资产价值管理的角度出发,运用安全效能成本的理念对电力通信网的安全性、工作效能以及周期成本进行综合分析,形成安全效能成本分析指标体系并运用数学方法确定各个指标系数,从而确定等效安全效能成本系数,对电力通信网综合价值进行评估。为管理者提供决策依据,以追求电力通信网集安全、效能和成本三大指标为一体的综合价值。     

基于数据平台的调度数据质量辨识方法

调度生产数据一致性、准确性等数据质量问题日益突出,智能电网调度技术支持系统一体化平台也需要考虑调度数据质量辨识等新问题,而调度综合数据平台可提供研究积累和实践基础。介绍了包含统一编码、辨识规则及辨识方法的整体技术架构,具体讨论了基于固有属性、基于统计规律、基于电气连接、基于电网拓扑、基于多源数据分析和基于事件约束的数据质量辨识技术,并划分为单一辨识和综合辨识两大类。阐述包含各类辨识技术的辨识实践方案,对数据质量辨识流程进行探讨,介绍了实践工作和辨识实例,初步实践证明该方法可行、实用。     

基于大数据的配电网络复合攻击预测方法研究

当前配电网络复合攻击环境较为复杂,有很大的不确定性,当前复合攻击预测方法收敛性较低,很难准确预测出攻击背景,导致预测结果不可靠。提出一种新的基于大数据的配电网络复合攻击预测方法,对配电网络中的报警数据进行预处理,以提高效率。在大数据分析的基础上,将隐马尔科夫模型应用于配电网络复合攻击预测中,要求配电网络依据得到的报警信息对隐藏的攻击行为进行挖掘。通过攻击行为概率分布、关联规则法得到初始状态矩阵、状态转移矩阵以及观察矩阵,引入粒子群算法对参数进行全局优化。通过隐马尔科夫模型中的Viterbi算法对配电网络复合攻击的攻击意图进行挖掘,预测下一步攻击。实验结果表明,所提方法具有很高的收敛性和预测精度。     

基于统一潮流大数据的综合能源系统薄弱点辨识方法

电-热-气不同供能系统间的紧密耦合使得综合能源系统薄弱点辨识困难。从数据驱动的角度,提出一种基于统一潮流模型大数据的综合能源系统薄弱点辨识方法。首先,基于电力、热力、天然气系统及其耦合环节的物理特性,建立综合能源系统的统一潮流模型;然后,利用潮流模型中不平衡量初值的历史和实时数据构建高维状态矩阵;接着,运用M-P律和圆环律定性分析系统运行状况;最后,计算状态矩阵的平均谱半径和最大特征值,并结合熵理论构建节点薄弱性指标。该方法将节点薄弱信息映射至数据变化中,通过对节点薄弱性指标值的排序实现综合能源系统中节点相对薄弱性的辨识,并通过仿真结果验证了所提方法的有效性。     

基于业务的电力通信网络脆弱性分析评价方法

为解决传统复杂网络理论脆弱性分析的局限性并改善网络性能,提出了一种基于业务的电力通信网络脆弱性分析方法。利用复杂网络理论构建网络模型,将业务重要度和业务流量作为网络参数,在蓄意攻击和随机攻击的策略下,以链路或节点失效所造成的业务量损失大小来描述网络的脆弱性,并找出网络中相应的脆弱部位。以电力IEEE30节点测试系统作为仿真实例,结果表明,网络业务分布越不均匀,网络脆弱性就会越高,进而网络抵御级联故障的能力就越差。而且在蓄意攻击的情况下,网络脆弱性极高。得出结论,网络业务分布越均匀,网络脆弱性就会越低。针对结论,提出了改进业务路由策略的方法以降低网络的脆弱性。仿真证明了该方法的有效性和可用性,并可为电力通信网络规划和维护提供参考,具有现实意义。     

基于影响因子的电力通信网络节点检测方法

针对电力通信网络节点检测方法存在节点检测工作效率低的缺陷,提出基于影响因子的电力通信网络节点检测方法.将通信影响因子融入检测系统中,建立电力通信网络节点模型,设置检测路径.通过数据处理和故障定位设计仿真试验,证明该方法与传统方法相比,检测召唤率更稳定、检测时间更短、效率更高.     

基于深度学习网络的电力系统不良数据辨识算法研究

为提高电力系统的稳定性和安全性,本文提出一种基于深度学习网络的电力系统不良数据辨识算法。为消除不同量纲数据所引起的差异,算法首先将采集的电力数据进行归整,然后构建多层深度循环学习网络进行不良数据辨识。学习网络分输入层、隐藏层和输出层三层,其中隐藏层包含128个神经元,输出层采用softmax分类器。针对不同神经网络的仿真实验显示,相比于BP神经网络和自组织模糊神经网络,深度循环学习网络的不良数据检测效率最高。针对实测数据的实验显示,相比传统的标准残差法和量测量突变法,不良数据检测率分别提高17.9%和6.4%,辨识率提高17.2%和8.9%。     

基于电力大数据的配电变压器状态评估方法

配电变压器运行状态直接关系到供电安全可靠性,从电力大数据应用角度,提出了一种基于电力大数据的配电变压器状态评估方法。首先定义了配电变压器运行状态指标体系,包括电压、电流、负载率、三相不平衡度和功率因数五类评价指标。其次为了评估每台配电变压器运行状态,提出了配电变压器理想运行状态,基于灰色分析量化了待评估配电变压器的各个指标灰色关联值。然后基于模糊聚类理论将所有待评估配电变压器看做同一论域进行模糊聚类分析,为供电公司巡视检修计划提供决策支撑。最后利用MATLAB编程进行算例验证,证明了该方法的有效性和可行性。     

一种电力通信网络运行质量量化评估方法及应用

研究了基于预期业务损失以及业务潜在风险程度评价的电力通信网络运行质量量化评估方法,提出失效业务比和影响业务比2个评价指标。基于该研究方法,以甘肃省电力骨干光通信网为实施案例,通过PSCPlanner网络仿真软件对骨干通信网实施N-1故障仿真分析,得出不同区域的骨干链路重要性以及运行质量分布情况,旨在为甘肃省公司各级电力光通信网的运行维护和升级改造提供指导。     

基于预测模型的发电厂异常数据辨识方法

发电统计数据是我国实施电力监管的重要依据,其中的发电厂用电率作为反映电厂生产效能、论证节能降耗情况的关键指标,验证其上报数据的真实性和准确性十分重要。为此,提出一种基于预测模型的发电厂异常数据辨识方法。该方法首先利用Adaboost改进非线性有源自回归模型(NARX)神经网络构建发电厂用电率预测模型,通过不断引入上报值以动态的方式对当前时刻发电厂用电率进行预测。当发电厂用电率时间序列出现突变时,残差时间序列会出现明显的增大或减小,进而利用孤立森林算法得到各残差向量组的异常分值从而辨识出异常点。最后,利用该方法对注入了虚假数据的实际发电数据进行辨识,验证了所提方法的有效性。     

电力通信工程后评估研究

电力通信工程后评估是工程管理这一闭环流程中的重要组成部分,做好工程的后评估对提高电力通信工程管理的规范性、实用性、科学性具有重要意义,其结论将可以用来指导规划、设计和工程实施。文章论述了电力通信工程后评估的重要意义,提出了评估原则及主要评估内容,介绍了组织实施流程及评估可采取的主要方法,重点介绍了一种加权分析的综合评价方法。