基于威布尔分布的电气设备缺陷率模型参数分析

针对传统指数模型和多项式模型曲线拟合存在的缺点,引入威布尔模型描述电气设备缺陷率发展的2个阶段,应用Levenberg-Marquardt法对模型参数进行求解,确定更为科学可靠的缺陷率突增期,并通过主网电气设备缺陷率统计数据进行算例分析,对3种拟合方法进行对比,验证了威布尔模型拟合曲线的有效性,为技改资金的分配以及运维决策的制定提供科学依据。     

基于加权平均插值和容积卡尔曼滤波的配电网预测辅助状态估计

微型同步相量测量单元(micro synchronous phasor measurement unit, μPMU)与远程终端(remote terminal unit, RTU)为配电网提供了高精度量测数据。针对μPMU和RTU混合数据,文章采用数据填补和容积卡尔曼滤波技术,提出了配电网混合量测的预测辅助状态估计(forecasting aided state estimation, FASE)算法。首先,针对混合量测数据不同更新周期,综合考虑历史数据稳定性和线性插值的同步特性,采用平均插值实现数据的综合填补。然后,采用容积卡尔曼滤波器,构建状态预测、量测预测和滤波修正方程,提出混合数据的配电网预测辅助状态估计算法。最后,在IEEE 37节点系统验证了该算法的有效性。     

基于MMoE和GRU的PMU数据有损压缩算法

为解决同步向量量测装置广泛部署带来的数据冗余度与数据量快速增长、系统数据储存及传输成本大幅增加的问题，本文提出一种基于多任务学习和门控循环单元自编码器的有损数据压缩算法。首先，根据同步向量量测装置三相量测数据具有相关性的特点，采用多门控混合专家模型和门控循环单元构建了变分自编码器一次数据压缩模型，将各相数据进行特征融合，利用多任务学习挖掘三相量测数据之间的相关性；其次，使用无损压缩算法对一次压缩数据进行二次压缩，得到最终压缩数据；最后，通过算例分析表明，所提算法能够充分利用各相数据之间的相关性，实现对压缩数据的高精度重构，提高数据压缩效率。