绝缘子污秽度预测特征量提取与神经网络模型

为了给输电线路防污闪提供科学指导,优化绝缘子污秽度预测特征量从而提高污秽度预测时间裕度和可靠性是关键。在人工雾室模拟35 kV线路3片串普通型和防污型染污绝缘子,测取了相同运行状态下相同采样时段内的泄漏电流,提取泄漏电流有效值均值、有效值最大值和有效值标准差作为污秽度预测的特征量,建立了3个特征量与污秽度的回归拟合关系,对比分析2种绝缘子泄漏电流3个特征量与污秽度的关系,推导验证了防污型绝缘子泄漏电流3个特征量小于普通型的原因。提出在污秽沿面放电安全区段内,主要利用泄漏电流有效值的3个特征量作为污秽预测神经网络模型的输入量。仿真和试验结果对比表明,所建立的预测模型误差在4%以下。所给出的研究结果不仅为输电线路防污预警系统特征量的优化选择提供了理论依据,对线路清扫选线决策也有指导作用。     

高污秽度环境中绝缘子积污特性研究

在宁夏石嘴山高污秽度地区搭建积污站,以垂直悬挂、斜拉悬挂和水平悬挂的方式模拟I串、V串和耐张串悬挂不同伞型的瓷、玻璃和复合绝缘子。经过一定积污期之后,测试绝缘子的等值盐密(ESDD)、灰密(NSDD)、可溶盐离子成分和颗粒度,分析不同悬挂方式、不同材质绝缘子的积污特性。结果表明:在高污秽度环境中绝缘子积污主要受污秽自由沉降的影响,上表面污秽度高于下表面,上下表面积污不均匀程度从大到小的顺序为I串、V串、耐张串,双伞和三伞型绝缘子的污秽度高于钟罩型绝缘子,复合绝缘子的污秽度高于瓷和玻璃绝缘子。绝缘子污秽成分以CaSO4为主,粒径主要分布于0.2～100μm。     

绝缘子污秽等级的高光谱特征优化识别技术研究

为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,采用非接触式、高分辨率的高光谱成像技术对污秽在线检测技术进行研究。为有效提取反应污秽度的光谱特征并削弱冗余与干扰信息的影响,提出一种小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽度的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过导数变换提升不同污秽等级间的可区分性。再次,对预处理后的谱线进行小波能量谱特征提取。最后,基于所提特征建立基于支持向量机(support vector machines, SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或PCA特征数据作为输入,基于小波能量谱特征建立的支持向量机(SVM)污秽等级识别模型对样品识别准确率达到99.8%。#$NL关键词：关高光谱成像;绝缘子污秽等级;小波包能量谱;支持向量机#$NL中图分类号：TM933     

双伞瓷绝缘子表面冶金污秽的积污特性及成分研究

对安徽冶金工业区的500 kV线路双伞瓷绝缘子进行取样,分别测试了高压端和低压端绝缘子污秽的离子成分、元素成分、微观形貌和粒径分布,并对上、中、下三相绝缘子串的高压端、中间段和低压端的污秽盐密、灰密进行了测试分析。结果表明:污秽物颗粒粒径小于6 000 nm,高压端污秽粒径大于低压端污秽,污秽物的主要成分为Fe_2O_3和CaSO_4。上相绝缘子上表面的盐密和灰密低于中相及下相绝缘子,上相绝缘子的下表面盐密和灰密高于中相及下相绝缘子。三相绝缘子下表面盐密、灰密都随高度降低呈降低趋势。     

基于PSO-SVM的高压绝缘子污秽等级评定

污秽等级评定是绝缘子泄漏电流在线监测系统的重要内容,评定的难点在于泄漏电流的各种电气特征量、环境因素与绝缘子表面污秽状况之间存在着复杂的非线性关系。笔者在实验室模拟试验和现场实测数据基础上,采用粒子群算法优化支持向量机的参数,建立了污秽等级评定的支持向量机模型。该方法利用支持向量机结构风险最小化原则和粒子群快速全局优化特点,通过对样本数据的学习,可以快速建立泄漏电流有效值、泄漏电流峰值、泄漏电流脉冲频度、环境湿度、温度与污秽等级之间的映射关系。实验结果表明,该方法是有效的。     

用于绝缘子污秽度预测的泄漏电流分形特征

污秽放电的极端结果是污闪,为提取反映绝缘子污秽放电发展的有效特征量,在实验室反复试验的基础上,利用分形理论提取绝缘子污秽放电过程中泄漏电流波形的分形维数和多重分形特征量,分析了4种不同污秽度下泄漏电流分形维数和多重分形谱的变化特性.结果表明污秽放电过程中分形维数的变化特征明显,分形维数的大小随污秽的加重呈整体下降的趋势...     

自然积污绝缘子表面污秽分布特性研究

绝缘子的污秽分布对绝缘子的污闪电压具有一定的影响,文章通过实验方法,重点研究分析了玻璃,瓷及复合三种类型绝缘子在自然积污条件下的污秽分布规律,所选择的这三种绝缘子为河北保定地区输电线路上已运行多年的悬垂绝缘子,利用盐密(Equivalent Salt Deposit Density,ESDD)与灰密(Non Soluble Deposit Density,NSDD)实验测量了绝缘子串中不同片的绝缘子及同一片绝缘子的不同表面的盐密、灰密,将数据以表、图的形式进行了处理分析,得到该地区绝缘子的污秽分布规律,最后以玻璃绝缘子及瓷绝缘子为研究对象,运用ANSYS对其在不同盐密分布下的电场及电流密度进行了仿真分析。     

基于高光谱技术的绝缘子污秽等级检测方法

输电线路绝缘子污秽等级的在线检测对污闪防治具有重要意义。为此提出了一种基于高光谱技术的绝缘子污秽等级的非接触式检测方法。通过高光谱仪获取不同污秽等级的人工污秽样品的高光谱图像,采用黑白校正和多元散射校正对原始高光谱图像进行校正,获取校正后样品图像的感兴趣区域高光谱谱线;建立了支持向量机多值分类模型,实现待测样品的污秽等级划分。结果表明:硅橡胶表面污秽种类不同时,其高光谱谱线的吸收峰、反射峰位置、幅值以及变化趋势具有明显差异,污秽种类相同时则基本不变,但谱线幅值差异明显。基于全波段数据的模型能够精确、快速地对污秽等级进行划分,对NaCl、CaSO_4污秽等级的划分准确率均为97.5%。基于人工污秽样品高光谱谱线数据建立的支持向量机模型可对绝缘子不同伞裙表面的污秽等级进行划分,准确率为80%。因此,该方法能够应用于绝缘子污秽等级的非接触在线检测,为绝缘子污秽等级检测提供了新思路。     

绝缘子污秽度检测与污闪预警研究综述

概述了现今绝缘子污秽度检测方法的优缺点,提出泄漏电流是污闪预测中最为重要和科学的参量.分析了泄漏电流特征量提取的时域和频域的各种有效方法,及各方法的优点和局限性.结合绝缘子的污秽特点,指出了今后绝缘子污秽检测方法的研究方向和重点是应建立基于泄漏电流的多参量的综合预警模型.     

可见光图像颜色特征与支持向量机相结合的绝缘子污秽状态识别方法

绝缘子污闪事故严重威胁着电力系统的安全运行,高压绝缘子污秽等级的准确识别是防污闪的重要研究内容。笔者提出了一种基于绝缘子可见光图像颜色特征和支持向量机技术,通过建立污秽等级与可见光图像颜色特征值的映射关系,实现绝缘子污秽状态识别的方法。以深圳供电局多个变电站不同污秽度红色陶瓷绝缘子数据为基础,采用改进种子区域生长法分割得到绝缘子盘面区域,提取RGB和HSV颜色空间36种特征,依据Fisher判据,筛选得到能表征绝缘子盘面污秽程度的S均值和S中值;设计支持向量机多值分类器,进行污秽等级划分。实验结果表明,该方法的绝缘子污秽等级准确率达96.67%,实现污秽状态的准确监测,为绝缘子污秽等级识别提供新思路。     

基于关联规则挖掘的输电线路缺陷状态预测

对输电线路缺陷状态进行关联因素的分析和预测工作,可以为输电线路的巡维工作提供重要的技术支持。在现有输电线路状态分析和影响因素研究的基础上,提出了基于关联规则挖掘的输电线路缺陷状态预测方法。首先根据历史缺陷数据评价得到输电线路缺陷状态。结合各种影响因素,构建线路缺陷状态与相关因素的特征库。然后引入FP-Growth算法挖掘各因素与缺陷状态间的关联规则,并将得到的规则用于预测线路的缺陷状态。最后以某地区架空输电线路为例,通过历史缺陷等数据评价得到缺陷状态样本,提取相关条件特征作为输入特征,并用于预测线路的缺陷状态。结果验证了该方法的有效性,对输电线路的巡维检修有一定的参考价值。     

基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型

针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数据中的有效信息,并采用遗传优化算法(Genetic Algorithm, GA)对惩罚系数等模型参数进行优化确定,建立离线最小二乘支持向量机(LeastSquaresSupportVectorMachines, LS-SVM)模型。然后基于KKT条件(Karush-Kuhn-Tucker conditions)和增量在线学习算法,实现了回归函数和预测模型的在线更新。最后通过云南电网相关输电线路覆冰灾害的实例进行仿真分析。实验结果表明所提模型可有效地对现场输电线路覆冰负荷进行在线预测,单步长及多步长的预测效果均优于传统的覆冰预测模型,应用该预测模型可更好地为输变电系统的除冰和维护决策服务。     

基于动态优化马尔可夫链的线路继电保护装置状态预测方法

目前继电保护状态监测模型均利用静态故障概率进行装置失效率预测,未能计及设备老化与检修对失效率的动态影响,预测结果不可靠。对此,提出一种基于三参数威布尔分布动态优化的马尔可夫链状态预测方法。首先利用灰色-粒子群支持向量机算法求解更为精确的继电保护装置失效率函数,随后将其用于动态修正保护状态马尔可夫链中各运行状态之间的转移概率,最终实现对线路保护未来运行状态的推演。仿真结果证明,所求解的失效率函数相比传统方法求解的函数具有更高的计算精度,而动态优化马尔克夫链模型实现了设备老化与检修的动态量化处理。研究状态转移概率计算结果符合设备运行工况,可以有效预测设备规定投运年限内各时间点的运行状态。该方法对于保护检修策略的优化具有一定的指导意义。     

属性约简的气胀锂电池在线检测方法

针对锂电池生产过程中气胀检测依赖于作业人员感觉和经验判断,主观性强且效率低的情况,提出一种基于机器视觉的气胀锂电池在线检测方法。特定角度和强度光源照射下,气胀电池与合格电池呈现不同的反射光斑分布。基于此特点,提取电池图像反射光斑区域特征作为分类器的输入。为满足在线检测系统实时性要求高的特点,提出粗糙集属性约简与C-SVM相结合的方法建立分类模型。首先基于属性重要度的粗糙集属性约简方法优选样本特征集,然后采用K折交叉验证和网格搜索法对C-SVM进行参数寻优,建立分类模型。实验结果表明,属性约简的锂电池检测方法减少了冗余信息的干扰,降低电池样本特征空间维数,缩短了检测时间,提高在线检测效率,检测精度达到96.774 2%,为生产过程中气胀电池的自动化分选提供了一种有效的方法。     

历史数据驱动下基于粗糙集的AVC系统关键参数挖掘方法

自动电压控制(AVC)系统中的参数设置过程繁琐且设置结果无依据,以历史大数据为基础,通过对历史数据的挖掘指导系统关键参数的设置。首先,给出一种基于强化正域的属性综合约简策略对关联属性进行约简;然后,采用基于最优分类的属性变换策略将连续属性离散化,并给出一种基于数据预处理的集合近似匹配策略,用于计算不同曲线间的相似度;最后,提出一种基于粗糙集的AVC系统关键参数辨识框架,对历史大数据进行挖掘。基于真实电网数据进行算例分析,挖掘结果表明所提辨识框架能自动给出合理的参数设置结果;实际应用结果表明,相比于传统方法,基于历史大数据的挖掘结果取得了更好的控制效果。     

多数据驱动人工神经网络的IGBT结温在线估计方法

传统结温估计方法因其无法根据 IGBT 模块健康状态实时调校,从而导致当模块发生封装退化后无法准确估计结温。 因此,为解决在实际工况中模块封装退化造成的结温估计误差问题,建立了一个基于多数据驱动的以人工神经网络为主体的 IGBT 结温在线估计模型。 首先,确定饱和压降作为温敏电参数并研究其构成,分析其与集电极电流,芯片结温和封装退化之间 的耦合关系。 随后,为解决封装退化造成的饱和压降温度特性变化问题,提出结合米勒电压温度特性的优势,配合饱和压降与 集电极电流驱动人工神经网络算法构建结温估计模型,并通过搭建实验平台提取数据,完成模型的训练。 最终,通过与传统结 温估计方法对比估计误差,新模型将结温估计误差从 20%降低到了 5%以下。     

基于数据驱动的稀疏虚假数据注入攻击

提出了一种基于数据驱动的稀疏虚假数据注入攻击策略。攻击策略分为3个阶段:第一阶段,基于稀疏优化技术对窃听的数据进行预处理以剔除异常值;第二阶段,基于平行因子分解算法推断不完整的系统信息矩阵;第三阶段,根据推断的系统矩阵,使用凸优化的方法求解稀疏攻击向量。仿真实验结果表明,当存在异常值时,传统的攻击策略无法成功实施,而所提攻击策略仍能成功地实施稀疏虚假数据注入攻击。     

Discrete wavelet transform and support vector machine‐based parallel transmission line faults classification

This paper presents a scheme for classification of faults on double circuit parallel transmission lines using combination of discrete wavelet transform and support vector machine (SVM). Only one cycle post fault of the phase currents was employed to predict the fault type. Two features for each phase current were extracted using discrete wavelet transform. Thus, a total of 12 features were extracted for the six phase currents. The training data were collected, and SVM was employed to establish the fault classification unit. After that, the fault classification unit was tested for different fault states. The power system simulation was conducted using the MATLAB/Simulink program. The proposed technique took into account the mutual coupling between the parallel transmission lines and the randomness of the faults on transmission line considering time of occurrence, fault location, fault type, fault resistance, and loading conditions. The results show that the proposed technique can classify all the faults on the parallel transmission lines correctly. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于支持向量机的锅炉煤质预测模型

通过基于统计学习理论的支持向量机建模和机理性的分析及推导,给出了2种不同的电厂锅炉煤质预测模型,并结合现场试验数据,给出2种方法不同的预测结果及评价.验证了支持向量机建模对于火力发电厂煤质监测具有较高的应用价值.