基于多因素融合的电网高风险设备评估方法

最大可能地降低设备风险是防止电力系统发生事故的有效途径。从分析设备风险的影响因素的角度出发,综合设备重要度和设备隐患对设备风险的影响,定义了设备风险影响度,并提出了设备重要度指标和设备隐患指标,建立了设备风险影响度计算指标体系。在该体系的基础上,利用设备相对重要度矩阵和设备相对隐患矩阵构建设备风险影响度计算模型以获取设备的风险影响度,以辨识出对电网可靠、稳定和安全运行具有巨大影响的高风险设备,从而有针对性地对高风险设备进行重点关注,对降低电力系统的总体风险水平具有重要意义。最后,将该方法应用于山西晋城220 kV东沟变电站中主要设备的风险影响度计算。仿真结果验证了所提方法的有效性和可行性,为进一步挖掘高风险设备提供了数据支撑。     

基于经验模式分解的聚类树方法及其在同调机组分群中的应用

提出了一种基于经验模式分解(empirical mode decomposition,EMD)的聚类树分群方法。在系统聚类分析的基础上,提出了基于权重距离的综合聚类指标,以各机功角轨迹之间距离最小为准则,实现了多机系统同调机组的合理分群。为解决电力系统受扰后动态行为非平稳、非线性的问题,文中采用EMD方法对原始数据进行预处理。EPRI-36节点系统计算结果表明,在不太严重的扰动下和允许的误差范围内,各种扰动下均可得到基本一致的聚类分群结果,从而佐证了该方法的有效性。     

基于序列模式挖掘的电力系统连锁故障模式分析方法

研究连锁故障的传播规律,对于识别系统薄弱环节、制定连锁故障预防和阻断策略具有重要意义。在分析连锁故障发展过程的基础上,定义了连锁故障模式的概念,并基于序列模式挖掘技术提出连锁故障模式挖掘算法,实现对海量仿真数据的快速分析,有效辨识系统连锁故障模式。最后以IEEE 39节点系统和某省实际电网为例,利用该算法挖掘出系统主要连锁故障模式,并结合系统拓扑和潮流状态分析了系统连锁故障传播规律。测试结果证明,该方法对于分析系统连锁故障模式和辨识关键线路具有良好的效果。     

电力系统中基于聚类分析的主导因素挖掘方法

影响电力系统发展的指标可能很多,在众多的因素中挖掘出最具代表性和影响力的若干主导因素,是有着重要需求的现实问题。借鉴聚类分析和数据挖掘的基本原理,提出了基于聚类分析的电力系统主导因素挖掘方法。对于电力系统某种指标,每一种相关指标都是一个衡量尺度,利用聚类分析法,综合多种衡量尺度对相关指标群体进行划分和识别,从而得到影响电力需求的主导因素。文中的方法可望在电力需求分析中发挥重要的作用。     

基于风险理论的电力系统安全评估方法应用

介绍一种基于风险理论的电力系统安全评估方法的原理.应用数学方法并结合历史数据获取了事故概率,并从不同的安全性指标人手确立事故后果模型,建立了相应风险指标.最后对某地区电网应用风险评估,找到在相同负荷断面下对电网风险影响较大的故障线路并比较不同负荷断面下系统的风险.     

基于数据中台的电力大数据高效挖掘分析技术研究

构建基于数据中台的电力大数据挖掘分析平台,其中数据源层获取来自不同渠道的电力初始大数据,数据中台层数据接入模块负复制传输数据源层获取的多种电力大数据;数据挖掘分析模块在数据服务、运营模块支持下,通过提取电力大数据语义关联特征量,结合模糊C均值算法的特征聚类融合,高效挖掘电力大数据,并利用密度峰值聚类方法分析数据挖掘结果,检测电力数据异常值;业务应用层呈现挖掘分析结果。实验表明该技术可以挖掘到不用电力大数据之间的潜在关系,通过电力正常数据样本点的聚类,筛选出异常电力数据,实现异常电力大数据分析。     

基于深度优先搜索算法的电力系统生成树的实现方法

电力系统仿真验证往往希望通过拓扑结构图直观地分析网络的潮流分布以及动态特性。然而电力系统机电暂态过程仿真软件如BPA、PSS/E和PSASP都不能自动地根据电力系统的电气联系合理地布置网络中的元件,而需要人为地调整各元件的位置来形成一个直观的电气接线图。这种人为手动调整,不仅给仿真增加了工作量,更有可能带来更多的人为误差。为此,文中提出了基于图论的深度优先搜索(depth first searching,DFS)算法,依据电力系统的电气拓扑结构形成电力系统生成树的实现方法。用文中方法生成的IEEE9节点算例系统的可视化界面验证了该算法的有效性和准确性。     

基于配电数据的关联规则挖掘方法

针对配电数据的时序特性和现有关联规则算法的缺陷,提出了一种考虑配电数据时序变化并通过支持度与置信度进行关联规则挖掘的方法.首先,在数据预处理基础上,构建配电指标网络,依据网络的演化情况挖掘配电数据对应的关联规则,并建立规则–挖掘矩阵存储挖掘的信息;然后,引入Kulc度和不平衡度对关联规则进行过滤,不断更新规则–挖掘矩阵...     

基于Logistic模式树的开关柜局部放电识别方法

局部放电类型的判定对于设备绝缘状态的评估具有重要的意义。笔者在简单介绍Logistic模式树的基础上,将这种方法应用于局部放电的类型判别。文中首先介绍了实验室模拟的4种典型局部放电以及暂态对地电压(TEV)信号的采集,讨论了特征量的选择标准,然后提取12个鲁棒性强的特征量作为放电类型的识别标识,用于Logistic模式树的建立。结果表明基于Logistic模式树的分类器结构简单明确,而且具有良好的识别效果。     

基于时间序列分析的输变电设备状态大数据清洗方法

数据清洗是输变电设备状态评估数据预处理的一个关键步骤,有助于提高数据质量和数据利用率。文中将设备状态信息等效成各状态量的时间序列,提出了一种基于时间序列分析的双循环迭代检验法。首先,将时间序列中的异常数据进行了分类,并将缺失值归纳为其中一类异常值。然后,分析了不同类别异常值对时间序列模型的影响,并阐述了迭代检验法的实现步骤。最后,利用所述方法对南网某变压器和线路的监测数据进行了数据清洗,结果表明该方法能识别并修正数据中的噪声点,填补缺失值,满足数据清洗要求。     

基于集对故障树法的输变电工程风险评估模型

鉴于电网工程投资大、周期长、外部环境复杂,不确定性因素众多,输变电工程建设具有一定风险,研究输变电工程的风险管理,降低不必要的损失.是贯彻国家电网公司基建精益化管理的重要举措.介绍了就输变电工程风险发生的原因进行的逐层分解、采用故障树法构建其风险评价指标,然后运用集对分析理论,推导集对故障树计算法则,并建立了输变电工程...     

大数据架构下电力系统风险评估

目前电力系统风险评估研究对于电力系统数据的掌握程度较小,导致其风险评估的精准率较小,评估时长较长.提出大数据架构下电力系统风险评估研究.对电力系统的基础状态进行精准分析,不断探寻与电力系统风险系数相关的电路数据,查找电路数据存在的风险问题,解析风险评估算法,并强化算法理论性操作,构建风险评估模型检验在电力系统正常运行状...     

一种用决策树对XML文档进行分类的方法

充分利用XML的优点提供一种利用决策树进行分类的方法，对XML文档信息进行分类，并结合实例说明了这种方法。     

数据分析在企业风险管理中的应用与展望

文章讨论了数据分析在风险评估中的应用,通过文献分析、案例讨论介绍了数据分析在风险管理领域的应用,主要包括供应链领域,银行等金融领域、特定商品市场,以及财务、审计及信息化领域。总结了数据分析对风险管理的价值贡献,并讨论了大数据时代数据分析技术应用的未来发展趋势,为相关管理实践提供参考。     

基于小波分解和数据挖掘中决策树算法的电能质量扰动识别方法

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种基于小波分解和数据挖掘中决策树算法的电能质量扰动(power quality disturbance,PQD)识别方法。建立了正弦信号和6 种常见PQD 信号的数学模型,通过小波分解得到了上述信号的特征量,结合决策树方法实现了对PQD 的自动分类,并通过合理选择小波类型、分类算法和去噪方法提高了PQD 的分类精度。实验结果验证了该识别方法的准确性和高效性。     

大数据挖掘分析在电力设备状态评估中的应用

为提高电力设备状态评估的准确性和效率,提出了将大数据挖掘分析应用于电力设备状态评估的思路和方法。介绍了大数据挖掘分析的架构,将电力设备状态的多维度数据解析为静态、动态、准动态和外部参数四大类,分析了数据关联规则、关联度和权重,最后给出了大数据挖掘分析技术的应用前景。     

基于Apriori算法的二次设备缺陷数据挖掘与分析方法

为提升电力系统二次设备的运维和管控水平,从二次设备的缺陷数据出发,提出了基于Apriori算法的二次设备缺陷数据挖掘与分析方法。首先,分析了关联规则与Apriori算法的基本思路,然后建立了基于关联规则的二次设备缺陷模型,在模型中考虑了二次设备缺陷的几个重要属性:二次设备的生产厂家、设备类型、设备缺陷的原因、发生缺陷的设备部位以及缺陷等级。进一步,以一组自动化设备缺陷数据为例,阐述了基于Apriori算法的二次设备缺陷数据挖掘和分析方法,分析结果表明所提方法能够用于寻找二次设备的薄弱环节,并能够找到诱发薄弱环节的原因,同时还具有分析设备家族性缺陷等功能。     

基于大数据分析的暂态电能质量综合评估方法

运用基于大数据处理架构的Naive Bayes分类方法提出了暂态电能质量评估方法,将数据来源扩展至电网运行监测数据、电力用户数据和公共信息数据等方面,并将评估结果按严重程度分为暂态正常状态、短时电压暂降状态、短时深度电压暂降状态、短时电压失压状态。基于MapReduce架构,设计分布式Naive Bayes算法实现状态分类。在分类器训练阶段,对海量历史数据进行分布式学习,周期性地生成评估规则库并部署到所有评估节点。在状态评估阶段,各评估节点基于流处理框架快速生成实时评估样本,并根据当前规则库实时地得出评估结果。试验结果表明,所提出的基于大数据分析的暂态电能质量评估方法是可行,在准确率和处理速度上都取得了较好的效果。     

电网运营风险预警评估的模糊故障树分析模型

基于模糊故障树分析法提出了一种电网运营风险预警评估指标体系的构建方法,通过将电网运营分为电网结构、电网运行、设备运检和安全管理四个系统,综合考虑各个部分对于电网运营风险方面的影响作用。首先,将各个系统指标出现异常波动作为故障事件,建立与指标评估体系相对应的模糊故障树,利用模糊数学原理确定了各个系统指标相对于电网运营风险的重要度;其次,取代一般的专家经验法获得权重,将重要度作为评价指标的权重引入评估体系中,在此基础上结合评价指标实际测量值对电运营风险水平进行综合评估;最后对综合预警评估结果利用雷达图进行风险扰动源确定,准确定位需要控制的风险指标,为电网运营风险提供一套高效准确的预警评估方法和评估流程。     

基于决策树的快速入侵检测方法

分析了C4．5算法的基本思想，并提出了改进的方法，实验结果证明，该方法可为入侵检测系统生成有效的决策树．