电力系统状态估计算法综述与研究趋势

状态估计的核心部分是状态估计算法,简要介绍了电力系统状态估计的基本概念和数学模型,阐述了近年来研究较多的几种电力系统状态估计算法,其中包括:最小二乘算法、快速分解算法、正交变换算法、量测变换状态估计算法以及分区协凋算法等,并对各个算法的优缺点加以评述.最后对状态估计算法的发展趋势进行了展望.     

电力系统状态估计算法综述与研究趋势

状态估计的核心部分是状态估计算法,简要介绍了电力系统状态估计的基本概念和数学模型,阐述了近年来研究较多的几种电力系统状态估计算法,其中包括:最小二乘算法、快速分解算法、正交变换算法、量测变换状态估计算法以及分区协凋算法等,并对各个算法的优缺点加以评述.最后对状态估计算法的发展趋势进行了展望.     

模糊数学结合BP网络的变压器故障诊断研究

针对油中溶解气体分析(DGA)方法在诊断电力变压器潜伏性故障的研究中存在的不足,采用TOPSIS方法对原始样本集进行优劣排序和聚类,实现了对样本数据的优化,同时极大地缩减了样本集的容量.在此基础上,构建BP网络故障诊断模型.分析证明,此方法与传统的变压器故障诊断的方法相比具有明显的优越性.     

浅谈发电机定子接地故障

文章通过对发电机定子接地故障的分析,对故障前易出现的症状进行了判别,同时给出了故障的处理方法,并对未来发电机定子接地故障保护的发展趋势进行了展望.     

粗糙集结合Petri网的3/2接线变电站故障诊断研究

500kV及以上的变电站多采用3/2接线方式,其主接线结构和保护配置具有自身的特点.本文在分析了3/2接线系统保护动作策略的基础上,建立了故障诊断的初始决策表,并利用粗糙集的属性优选对该表进行最小约简,构建最优的Petri网模型,从而实现故障诊断.变电站故障诊断实例证明了该方法不仅能够准确诊断出3/2接线系统的故障元件,而且诊断速度快,容错性好.     

基于RetinaNet的变压器图像小部件智能识别方法

变电站巡检图像中变压器小部件的自动识别是利用变压器图像进行变压器外观异常缺陷识别的基础。为了提高变压器小部件的识别准确性,提出了一种基于RetinaNet的变压器小部件识别方法。首先,对图像目标检测网络Retina Net进行改进,加入分辨率更高的融合特征图,以解决变压器小部件包含的像素信息过少的问题。然后,提出一种基于位置关联性的变压器小部件概率修正方法,利用识别难度相对较小的大部件位置与相应的小部件之间的位置关联信息,对小部件检测框的预测概率进行修正,以避免其他外形相似部件对目标部件识别的干扰。最后,通过实际变电站巡检图像对变压器小部件识别方法进行实验验证。结果表明,所提出的变压器小部件识别方法在变压器三类小部件的识别准确率以及整体识别准确率上,都具有比较显著的优势。     

粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法研究

针对配电网规模庞大且发生故障后警报信息存在不确定性和不完整性的问题,提出了一种粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法。该方法先将配电网划分为多个独立的区域,对于各个区域分别建立故障决策表,再利用粗糙集对决策表进行属性优选和诊断规则提取,最后构建Petri网模型,通过Petri网的并行推理实现故障诊断。诊断实例证明了该方法不仅诊断快速准确,而且容错能力强、适应性好、灵活性高。