考虑时序趋势分析的周期性谐波异常识别

考虑传统对谐波等稳态电能质量异常判别中仅以数值大小与限值对比而未考虑数据变化趋势的局限性,针对存在周期性的谐波运行工况,关注谐波监测数据的趋势变化特征,提出一种考虑时序趋势分析的谐波异常识别方法。首先,通过分段线性化提取主要趋势变化特征,并以模式值表征各段趋势;然后,分别由时序趋势相似性与数值离群占比确定趋势和数值异常指标,对二者加权组合,得到综合异常指标;并从历史数据中,选定时序分析周期与基准常态数据;最后,计算后续待识别数据的综合异常指标来辨识监测点是否存在谐波变化异常。通过仿真算例和实例应用分析证明了所提方法识别结果准确,适用性强且容易实现,可方便地集成到现有电能质量监测系统中。     

基于趋势跨度指数的稳态电能质量趋势识别及预警方法

针对传统稳态电能质量分级预警中多以数值大小与设定阈值对比、较少考虑指标长期变化趋势的局限性，提出一种基于趋势跨度指数的稳态电能质量趋势识别与预警方法。首先采用STL(seasonal and trend decomposition using locally weighted regression)分解算法对稳态电能质量指标时间序列进行回归分解，提取趋势分量；其次采用Mann-Kendall检验法识别电能质量指标趋势分量的趋势类型；然后提出趋势跨度指数以量化电能质量指标趋势变化程度，并根据趋势跨度指数的分布特征划分预警等级；最后采用理想解排序法对监测点电能质量恶化风险进行综合评价。将该方法应用于某市稳态电能质量实际监测数据，对监测点各项电能质量指标以及整体电能质量水平进行趋势预警。     

基于电能质量监测数据的电容器运行预警

<正>建立了包括基波、谐波和峰值约束的统一电容器运行预警模型,并结合35 kV变电站实测电能质量数据进行了实际应用分析。分析表明：尽管目前电能质量监测数据信息仍然存在缺陷,但是该数据信息仍属于目前电力系统最全面的监测数据之一,在电气设备运行预警等专业领域有广阔的应用前景。     

大气电场仪在雷电监测预警中的应用

介绍了大气电场仪在雷电监测预警中的应用。利用大气电场仪可实时获取雷电发生和发展的监测数据,通过监测数据追踪雷电的移动轨迹和电场强度变化,形成特定区域的雷电短时预警,避免和减轻雷电可能造成的灾害和损失。     

基于数据分析的变压器套管新型在线监测预警策略研究

套管是电力变压器的重要附件,其安全稳定运行至关重要。为此,常采用在线监测技术对其运行状态进行实时监测。在电网内部,变压器套管在线监测系统已有一定应用。然而,监测数据不仅取决于套管自身绝缘性能,而且受温度、湿度和系统运行电压等环境因素影响,且当前各套管监测厂家推荐的预警策略各异,难以满足应用要求。因此研究适宜的在线监测预警策略至关重要;文中对广东电网在运变压器套管的介损值历史监测数据进行了统计分析。研究发现变压器套管在线监测应用过程中会出现短时性、间歇性的数据异常,异常率接近1%,导致监测系统告警。剔除这些异常数据后,套管介损在线监测数据相对平均值在±15%范围内小幅波动,数据分布近似服从正态关系,进而提出在线监测时介损值相对变化应小于30%的新预警策略,优化了原有的预警策略,新的预警策略适应了不同类型变压器套管的出厂值差异,适用性更强。     

基于LSTM算法的电力谐波监测数据预测

随着电力系统中接入大量的非线性设备,谐波问题更加严重,对谐波监测指标变化趋势的准确预测对电网优质运行具有重要意义。电能质量监测系统日趋成熟,并积累了较为完善可靠的监测数据,对此本文提出了一种基于长短时记忆网络深度学习算法的电力谐波监测数据的预测方法。该方法主要包括谐波监测数据预处理、预测模型拟合训练、预测模型应用以及模型预测效果评估等4个步骤。基于Python算法包编程实现该方法,并对实际采集到的谐波监测数据进行预测分析。结果表明,本文所提方法对于不同时间尺度的谐波监测数据进行预测分析时均可取得良好的效果,验证了该方法的可行性和实用性。     

基于谐波变化的电容器故障预警与仿真

针对交流滤波器的电容器组件易出现故障问题，结合监测系统的电能质量数据，提出了一种基于谐波滤除率变化的交流滤波器电容器组故障诊断方法。通过采集电能质量监测谐波数据，并计算分析谐波滤除率变化，判断谐波滤波电容故障，进而实现对电容故障预警。利用MATLAB软件建立含有双调谐交流滤波器的电路模型，仿真结果有效证实了方法的可靠性。该故障诊断方法在无需安装额外设备的情况下，能够提前发现设备故障及预警，方便管理、成本较低。     

基于时间序列分析的油中产气数据趋势测度

基于数理统计学方法研究变压器绝缘油中溶解气体监测数据时间序列的变化规律,并构建基于差分自回归移动平均法的产气变化趋势测度模型。模型首先将经置信检验的监测数据序列视为一个随机序列,并对历史监测数据进行平稳化预处理,以滤除异常干扰测值;随后进行模型识别与解析,并引入最小信号准则评价、定阶,实现绝缘油产气变化测值预测。通过实际案例验证,模型可由时间序列中的历史值及当前值量化趋势测度值,达到绝缘油中产气趋势分析所需的置信度。     

利用零序电流全量Hough变换的配电网故障选线方法

对配电网单相接地故障电磁暂态仿真分析表明,故障馈线和健全馈线的零序电流全量起始阶段的整体变化趋势相反。基于此,提出应用Hough变换对零序电流起始阶段整体变化趋势进行变化方向检测的故障选线新方法。利用配电网故障后短时窗各馈线零序电流数据进行Hough变换,构造出零序电流全量起始阶段整体变化趋势的"整体"突变方向夹角。故障馈线零序电流全量起始阶段整体变化趋势突变方向与"整体"突变方向相反,健全馈线零序电流全量起始阶段整体变化趋势突变方向与"整体"突变方向相同。该方法原理简单,降低了对硬件采样速率的要求。大量仿真结果表明该方法准确、可靠。     

10kV电缆接头局部放电趋势分析及预警方法研究

电缆接头是局部放电频发的位置,针对目前对局部放电趋势研究的不足和预警不及时的问题,提出了一种基于Mann-Kendall检验法和长短期神经网络(LSTM)的局部放电的趋势分析和预警方法。首先,为了清晰地揭示局部放电数据的趋势特征,文中采用Mann-Kendall检验法对采集的暂态地电压(TEV)数据进行处理,定量计算趋势变化及突变点检测。其次,文中提出基于Mann-Kendall检验法和LSTM算法的综合预警模型,该模型利用LSTM预测TEV序列幅值,并用Mann-Kendall计算预测值的趋势参数,通过综合考虑TEV幅值大小和趋势参数实现了电缆接头局部放电主动预警。算例结果表明,Mann-Kendall能清晰揭示局部放电变化趋势,LSTM对局部放电数据预测效果良好,基于二者构建的预警模型能较好地对局部放电进行预警。     

面向智能电网的新一代电能质量管理平台

总结了电能质量监测系统发展趋势,提出建立基于现有电能质量监测系统的电能质量管理平台。在电能质量评估功能基础上,加入了分级电能质量预警、谐波潮流计算、薄弱环节/扰动源识别、电能质量趋势预测、综合管理措施和动态仿真功能。采用异常数据挖掘技术,实现电能质量预警模块中超标和异常检测,并依据阈值设定的不同,提出了稳态和暂态电能质量指标的4级预警策略,并建立了相应预警特征事件库。平台引入电能质量水平趋势预测和动态仿真模块校核管理措施的策略。最后,提出将功能集成化的平台应用于优质供电园区电能质量管理和控制中的构想。该平台电能质量评估和预警模块已投入电网实际应用。     

大型机组振动故障的早期预警技术

状态检修是电力设备检修方式的未来发展趋势,对特征信息微弱的或处于萌芽状态的早期故障做出判断是状态检修的关键。为此,通过灰色理论和相似性原理对大型机组的实时信息数据(PI数据)进行开发,建立了若干台汽轮发电机组的动态预警模型,研发了设备振动故障的早期预警功能,所开发的超球相似度分析技术,为设备健康状态的智能监测和评估提供了新方法。应用该预警系统发现了机组的异常状态,实际应用验证了所开发的振动故障早期预警技术的有效性。     

混凝土坝位移FEM-HST混合预测模型研究

开展大坝安全监控模型的研究可以对监测异常值进行预警,有助于监测大坝的运行状态,保障其安全运行。本文基于混凝土坝的监测数据,结合有限元（FEM）分析和传统的混凝土坝位移统计分析（HST）,建立混凝土坝长期运行位移FEM-HST混合预测模型,其中水压分量通过有限元计算获得,有限元模型的材料参数根据实际测点监测数据反演得到;温度分量采用简谐温度模型;时效分量采用时间的线性函数和对数函数的线性组合统计模型。所建立的FEM-HST混合模型显著改进了HST模型的预测精度和稳定性,可反映大坝和地基的结构和材料特性,能够更好预测极端荷载工况下大坝的位移,这有助于监控大坝在极端工况下的工作性态。     

疑似火点监测定位及电网运行预警方法

智能电网建设的快速发展,对电网森林火灾监测预警能力提出了更高要求。研究融合极轨卫星遥感火点数据、气象监测和预报预警数据、电网空间地理信息及应急资源等数据于一体,基于电网GIS平台定位分析疑似火点任意范围内距离最近和受山火影响最严重的电力设施,依据气象监测预报预警实时数据研判山火未来趋势。通过专业化、标准化符号语言和分析研判预警策略,形成电网森林火灾预警及处置态势专题图。通过研发预警发布技术,将火点、气象环境、影响设备、处置策略及发展态势等信息及时对相关人员发布,提高电网防灾减灾综合监测预警和应急处置辅助决策能力。     

智能电网监控运行大数据分析系统总体设计

电网监控数据具有多源、高维、先验、异构的特点,传统依靠人工经验的电网监控运行分析技术已无法满足大电网集中调控、一体化运行的发展要求,需要实现电网监控运行全过程信息的高效汇集和智能挖掘分析,以提高监控人员对电网实时运行状态的主动感知能力。文中通过分析现有业务系统在数据规范和分析手段等方面的局限性,阐明了建设智能电网监控运行大数据分析系统的必要性,提出了以监控业务需求为引领的"数据到模型,模型到应用"的技术路线,设计了涵盖数据接入至业务应用自下而上的整体架构,构建了统计分析中心、趋势预警中心、智能搜索中心及可视化展示中心的功能体系,取得了规范化数据接入、全过程数据处理及大数据因果分析建模等关键技术的突破,形成了事前异常趋势预警,事中快速处置和事后闭环分析的管理模式。根据示范工程的建设和试点运行情况,介绍监控运行大数据分析系统在数据规范处理、业务分析建模和监控业务管理方面的应用成效及未来应用展望。     

电力供需预警指标筛选方法研究

在深入研究预警指标的充要条件、必要条件和充分条件的基础上,提出基于指标时差分析和指标组合筛选的预警指标2步筛选方法,建立指标时差分析的数学模型,给出有效的求解方法.针对电力需求预警指标组合的时差特性.提出了级联预警与预警概率的新理念,给出了预警概率的估计方法.鉴于行业电量之间隐含着一定的电能消耗链式关系,将预警指标筛选范围锁定为行业电量.基于2001～2004年的全社会用电量和行业电量月度数据,从27个细分行业中筛选出全社会用电量增长率的预警指标组合,计算了相应的预警概率,并用2005年的数据验证了预警效果,充分说明所提出的预警指标筛选方法的有效性.     

四川电力信息安全集中监测分析平台研究与应用

针对四川电力当前信息安全数据较分散、缺乏实时监控问题,提出建立信息安全集中监测分析平台,提取各系统中与安全相关的数据,并利用实时监控手段弥补安全数据短板,对获取到的海量数据进行综合展示分析,全面地分析监测报告,帮助深入掌握系统安全漏洞和信息安全趋势,实现安全技术和管理的结合,同时利用关联分析可以找出安全事件中各种属性之间的相关特性,排除无意义的信息,及时对安全问题进行快速定位,提升了网络信息安全预警防护能力。     

基于LC振荡频率变化量的电容器组早期故障 在线智能预警方法及其实现

电容器组是电网中的重要设备,常有内部轻微故障的发生,若无法及时发现,将逐步发展为严重故障,导致电容器组的损坏。为解决此问题,根据电容器组早期单个元件损坏的理论特征分析,提出了针对电容器组早期内部元件故障的一个全新的预警方法：LC振荡频率变化量法。该方法通过采集放电PT电压和母线电压,计算出串联电抗器与电容器形成的LC回路的振荡频率,记录该频率初始值。再通过电容器运行过程中该频率的变化量进行预警判断。该方法的优点是判别精度高,且能判断出故障相别,可以躲过系统电压的波动。根据预警方法的需求,设计了专用的电容器     

基于堆叠自编码网络的风电机组发电机状态监测与故障诊断

为实现风力发电机的异常检测分析,提出了一种基于风电机组发电机正常状态下数据采集与监控(SCADA)样本数据的堆叠自编码网络深度学习方法。首先将多个自编码网络连接构成深度堆叠自编码网络,选取发电机SCADA状态变量数据作为网络的训练输入,使网络逐层智能提取数据间的分布式规则,从而构建发电机的堆叠自编码学习模型。依据故障状态下发电机SCADA数据内部动态平衡规则被破坏,利用发电机深度学习网络的输入与重构值计算重构误差,并作为整体状态的观测量。通过采用自适应阈值检测重构误差的状态趋势变化,并作为异常预警判定准则,从而实现对发电机故障的判定。当发电机发生异常时,变量的实际值与对应模型的重构值发生较大偏差,表现为状态变量的残差趋势将会偏离原有的动态稳定状态。因此利用状态变量的残差趋势变化对异常变量进行隔离,判定可能的故障原因达到故障诊断的目的。通过对发电机故障前后记录数据进行仿真分析,结果验证了堆叠自编码网络深度学习方法对发电机状态监测与故障诊断的有效性。