基于过采样和随机森林的高压隔离开关发热故障诊断

云团运动的不确定性使得光伏系统输出功率较难准确估计,从而影响新能源并网的可靠性和经济性。为了有效利用卫星的云观测数据,提出了基于云图特征的超短期光伏发电功率预测模型。利用卷积神经网络对卫星云图进行特征提取,且和通过相关性分析后的4种气象特征进行融合,作为光伏发电功率预测模型输入。在此基础上,通过卷积神经网络解析这些特征之间的空间联系,并使用长短期记忆网络实现对光伏输出功率的时间序列预测。此外,考虑到一个自然日中不同时段数据对预测影响不同,引入多头注意力机制来确定关键时间点与关键特征,由此进一步提高所提模型精度。使用光伏电站实际数据以及对应的卫星云图和天气数据,对所提模型的预测效果进行验证。算例分析结果表明,该模型预测精度高且时效性好,特别对于正午辐照较大以及云团运动波动剧烈的时段,模型仍能保证较高的预测精度。     

知识图谱在输变电设备运维中的应用

对输变电设备海量数据进行有效利用和管理是新型电力系统信息化发展的重要方向,挖掘电网输变电设备运维数据,并感知其运行态势,可保障输变电设备安全稳定的运行。该文将知识图谱引入输变电设备运维领域,分析输变电设备运维的数据情况和现存问题;介绍输变电设备数据融合聚类技术和运维知识图谱的构建技术;结合输变电设备运维特性,总结知识图谱在输变电设备运维中的典型应用场景;分析当前研究热点,探讨知识图谱在输变电设备运维领域的关键问题,并展望该领域的发展前景。运用知识图谱,在提高企业维修效率的同时,还能降低人力成本。     

变压器重瓦斯保护动作后的原因分析与诊断方法

在变压器重瓦斯保护动作后,如何快速地查明动作原因,尽快判断变压器状态并恢复设备运行,是变压器运维中面临的首要问题.总结与分析了气体继电器的结构原理,以及主变重瓦斯保护动作后的可能原因、信息收集与检查,提出了一种重瓦斯保护动作后的先定性、后确诊的故障诊断分析方法,并对直流电阻测试的必要性进行了阐述;结合一起重瓦斯保护动作案例进行说明,结果证明了该方法的可行性.     

不同生物质纤维及其添加量对PBAT复合材料结构与性能的影响

目的 将生物质纤维材料芦苇、黄麻和纸浆引入聚己二酸/对苯二甲酸丁二醇酯(PBAT)中,通过高速共混机制备高性能的硬质可生物降解复合材料。方法 研究不同生物质纤维及其添加量对复合材料结构、性能、生物降解性的影响。结果 PBAT/生物质纤维复合材料的弯曲模量和强度得到明显提升。在3种复合材料中,PBAT/纸浆复合材料表现出最佳的力学性能和热稳定性,通过简单混合PBAT和质量分数为60%的纸浆,其弯曲模量、弯曲强度可分别达到(1 055±35)、(12.46±1.10)MPa。降解试验结果表明,复合材料的降解速率显著高于PBAT的降解速率,并且与生物质纤维的吸水性及尺寸有关。结论 经大尺寸生物质纤维填充PBAT得到的硬质可降解复合材料的综合性能优异,为发展绿色可降解硬质包装及包装填充物材料提供了科学思路和技术依据。     

10 kV开关柜断路器间隔绝缘故障分析

介绍了一起10kV开关柜断路器间隔绝缘故障,通过现场检查、视频分析、故障后试验及故障分析,发现造成此次故障的主要原因为主变侧隔刀A相静触头处的无线测温传感器不锈钢绑扎带断裂或松开后从触头盒空隙伸出,导致对地(柜体)距离不足引起放电,使静触头处烧蚀出凹坑,最终导致断路器发生故障并造成主变跳闸。     

基于Faster R-CNN算法的变电站 设备识别与缺陷检测技术研究

变电站作为电力运输的中转站,是城市运转,人民生活的重要基础设施。变电站在运行过程中,经常发生由于位置偏僻,不支持机器人和无人机直接进行探测而造成的设备运作温度检测不及时的问题。传统的变电站设备缺陷识别算法是基于机器学习算法,精确度低,只适合单个设备类别的缺陷检测,易受到环境影响。基于此,文中出一种改进的识别变电站设备红外缺陷方法。首先,基于Faster R-CNN的目标设备检测,对6种类型的变电站设备包括套管、绝缘体、电线、电压互感器、避雷针和断路器进行目标检测,以实现设备的精确定位;然后,基于稀疏表示分类（SRC）来识别不同的类,因此可以获得输入样本的实际标签;最后,基于温度阈值判别式算法,在设备区域中识别温度异常缺陷。文中算法实现了在红外线图像下的设备识别和检测,使用文中算法对6类设备的红外图像进行检测,准确率达到91.58%,不同类型设备的缺陷识别率为97.63%,缺陷识别准确率达到87.62%。实验结果表明该方法的有效性和准确性。     

基于改进粒子群优化XGBoost的变压器故障诊断方法

变压器作为电网传输和变换电能的主要设备,对DGA数据进行异常分析,可为变压器故障诊断提供理论依据。鉴于此,文中提出了基于DGA和IPSO-XGBoost的变压器故障诊断方法。首先,将特征气体划分为无编码比值作为特征参量输入极端梯度提升（XGBoost）模型,提出了基于XGBoost的变压器故障诊断模型;其次,通过动态调整惯性权重和加速因子对粒子群算法（PSO）进行改进,并利用改进的粒子群算法（IPSO）对XGBoost的关键参数进行迭代优化;最后,随机抽取1 614例故障类型已知的DGA数据进行算例分析。结果表明：相比于其它传统机器学习分类模型,XGBoost的变压器故障诊断正确率更高,且与传统PSO算法相比,所提方法可以更好克服粒子群寻优速度慢和易陷入局部最优等问题,可为变压器安全稳定运行提供有力保障。     

输变电设备运维知识图谱的构建及应用

针对电网公司在开展输变电设备运维检修过程中存在的非结构化文本数据难以利用、全口径数据难以深度融合、数据应用手段仍处于简单统计状态等难题,本文研究设计了基于知识图谱的输变电设备运维知识问答系统的总体框架,以打破传统信息获取方式的局限性。首先,从多源输变电设备数据中提取出实体、关系、属性等元素,涵盖的数据既有结构化也有非结构化的数据。在此过程中,使用不同的技术和方法来提取这些元素。其次,利用图形数据库Neo4j将这些元素组合在一起,构建一个完整的输电变电设备运维知识图谱,从而将不同类型和业务数据整合并形成一个连贯统一的知识网络。最后,基于Neo4j +Python平台搭建输变电设备运维知识问答系统,为运维人员提供一种新的方法。