基于改进熵权层次分析法的变压器状态评估

针对传统电力变压器状态评估中的权重问题,提出了一种基于改进熵权层次分析法的变压器状态评估方法。利用层次分析法得到其主观权重,并建立了变压器分层评估模型。运用熵权法对样本数据进行分析,得到其客观权重,将层次分析法和熵权法的底层指标权重相结合后,再与层次分析法的中间层指标权重进行综合。通过对实际变压器的状态评估,验证了该方法的有效性。     

基于矩阵特征值分析和SOA优化模糊聚类的变压器故障诊断

考虑变压器故障诊断的不确定性,构建了变压器模糊聚类模型,提出了用矩阵特征值分析方法得出样本集最佳分类数,实现了无监督的故障诊断。针对模糊C均值算法用于变压器故障诊断存在的问题,提出用人群搜索算法(SOA)得到较优的初始聚类中心。SOA算法是一种新型的启发式智能算法,克服了粒子群算法(PSO)和遗传算法(GA)等智能优化算法收敛性差、局部寻优的缺陷。仿真结果表明,该算法收敛速度更快,且具有更好的全局搜索能力,比传统的智能算法具有更高的有效性和鲁棒性,为变压器故障诊断聚类分析提供了参考。     

采用核主成分分析和随机森林算法的变压器油纸绝缘评估方法

为了实现对电力变压器绝缘状态的智能评估,提出了一种融合核主成分分析和集成学习理论的电力变压器油纸绝缘评估方法。在特征提取方面,通过回复电压法(recovery voltage method,RVM)提取特征量,并对特征量进行核主成分分析(kernel principle component analysis,KPCA),将低维度的样本空间映射到高维度的核空间,并按照重要性进行排序;在评估识别方面,利用集成学习的思想建立分类器群模型,克服了单分类器的局限性,并提高了分类器的分类预测能力。通过实例论证,融合核主成分分析和集成学习的分类模型在变压器油纸绝缘评估中具有很高的准确性。     

考虑机组进相调节代价的小水电站电抗器配置方法

针对小水电接入在丰水季节容易导致配电网出现电压严重偏高的问题,本文提出了考虑机组进相调节代价的小水电站电抗器配置方法,首先求解出小水电站不装设电抗器时的机组进相调节代价,其次建立考虑机组进相调节代价的小水电站电抗器配置数学优化模型,并借助遗传算法对其进行求解;最后,根据求解结果,结合不安装电抗器时的机组进相调节代价判断小水电站电抗器的配置。仿真算例表明,方法切实可用,可为小水电站电抗器容量的合理配置提供依据。     

基于万有引力搜索算法的配电网无功优化研究

基于配电网的特点,建立了以网损最小为目标的配电网无功优化模型。通过万有引力搜索算法,给出配电网无功优化的步骤,确定并联电容器的无功补偿容量。算例分析表明该无功优化模型可靠有效,可以有效减少系统网损,提高节点电压水平。