低压配电台区拓扑识别技术浅述

为了实现低压配电台区拓扑关系的自动识别,介绍了一种基于特征电流发送与接收的拓扑识别方法。通过高速电力线载波通信(HPLC)模块控制负载投切方式,在电网中馈送设定规律的特征电流,在变压器二次侧或分支侧检测该频点特征电流,实现户变及拓扑关系识别。根据试点的实践结果,说明该低压配电网拓扑识别方法具有可推广价值。     

基于最小二乘加权融合集成神经网络的电力变压器故障识别

提出了一种基于最小二乘加权融合集成神经网络的变压器故障识别新方法.首先对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需的6个特征量,再应用5个不同结构的BP子网络分别进行识别,接着运用最小二乘加权融合算法对各个子网络的识别结果进行信息融合,最后根据融合结果来识别故障.与单个神经网络识别方法相比,该最小二乘加权融合集成神经网络可在故障特征比较类似的情况下,正确识别故障类型,且该方法的识别结果具有更大的安全间隔空间、可靠性更高.测试结果也表明了这些特征.     

基于支路有功功率的配电网拓扑辨识方法

针对配电网量测冗余度低且开关变化频繁、识别出正确的拓扑结构存在困难的现状,文中提出一种基于支路有功功率的配电网拓扑结构识别方法。该方法基于支路有功功率残值的大小选择可能断开的支路,得到若干种可能拓扑结构;采用相同量测值,在每个可能拓扑结构下分别进行状态估计并计算匹配目标函数值,从可能拓扑结构集中找到可能性最高的拓扑结构作为可信拓扑结构,降低配电网拓扑结构分析的解空间;并引入快速潮流直流法进行状态估计,提高了算法的计算效率,从而把此类配电网拓扑检错问题转换为以量测值匹配度高为目的的配电网重构问题。算例表明,该方法合理有效,快速简便,且在带有较大量测误差的情况下也有很好的适应性。     

基于加权核偏最小二乘的低压断路器热脱扣时间预测方法

热脱扣时间是低压断路器产品质量的关键指标。为实现断路器热脱扣时间的实时预测,提出了一种加权核偏最小二乘(WKPLS)预测方法。该方法根据生产样本数据的分布与统计特性确定样本的权值,以解决断路器生产数据分布不平衡问题。以电流、环境温度、双金属片初始位置与焊接位置为输入量,利用WKPLS方法建立低压断路器热脱扣时间模型。利用采集的断路器生产数据进行仿真实验,结果表明基于WKPLS方法建立的断路器热脱扣时间模型预测精度较高,且该模型可为断路器生产过程中的控制参数调整和异常监测提供一定参考。     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义,在现代调度控制中心,状态估计是实现EMS/DMS的许多功能:调度员潮流、事故预想分析和调度员模拟培训等的基础.在实际运行的电网自动化系统中,要想实时得到正确的网络状态估计结果是很困难的,因为在进行状态估计的过程中,必须考虑多个坏数据和多个拓扑错误同时存在的情况.抗差估计理论主要研究抗拒少量粗差(泛指离群的误差)对估值的影响.拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计.算例结果表明,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性,收敛速度快,并能够将抗粗差和状态估计在计算过程中一次完成,不需要象普通最小二乘法一样进行多次的状态估计计算.     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义 ,在现代调度控制中心 ,状态估计是实现EMS/DMS的许多功能 :调度员潮流、事故预想分析和调度员模拟培训等的基础。在实际运行的电网自动化系统中 ,要想实时得到正确的网络状态估计结果是很困难的 ,因为在进行状态估计的过程中 ,必须考虑多个坏数据和多个拓扑错误同时存在的情况。抗差估计理论主要研究抗拒少量粗差 (泛指离群的误差 )对估值的影响。拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据 ,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计。算例结果表明 ,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性 ,收敛速度快 ,并能够将抗粗差和状态估计在计算过程中一次完成 ,不需要象普通最小二乘法一样进行多次的状态估计计算。     

基于最小二乘法的变压器参数实时校核

我国城乡电网的改造和电力市场的发展对配电变压器的安全、可靠运行要求越来越高。而准确的设备参数是变压器经济运行的前提，为此，利用配电自动化系统进行测量，获取变压器的有功功率、无功功率、电压等数据，采用最小二乘法的过程辩识方法，进行曲线拟合计算，对变压器运行参数和功率损耗特性进行实时校核统计，从而为经济运行奠定基础。     

微机保护中递推最小二乘法的应用

在阐述微机保护中递推最小二乘法原理的基础上,通过建立虚拟系统模型,用系统辩识理论研究了递推最小二乘法的递推初值和该算法的渐近性及无偏性。     

基于量测数据的台区拓扑自动识别模型及算法

电网新业务的迅速发展对低压配电网的智能化水平提出了更高的要求。传统低压配电网的拓扑关系主要依靠人工档案维护,导致电压问题治理效率和抢修效率低下。在此背景下,提出了利用台区智能终端和采集设备的电气运行数据的台区两级分支线户关系和户表相位的识别方法。构建了用以解决台区两级分支和户表拓扑关系的台区设备从属关系识别模型,将上下级拓扑识别问题转化成二次规划问题求解,并通过户表聚类减少二次规划问题的数据维度。在分支和户表关系确定的基础上,提出了综合利用户表电压和电流数据的户表相位识别方法,提高户表相位识别的准确性。最后,进行了二级分支户表拓扑关系和户表相位识别的算例验证。基于台区电气大数据的拓扑识别方法为提升台区的全面感知和精益化管理提供了工程应用指导。     

集员估计的加权最小二乘支持向量机方法

针对带有未知但有界误差的参数非线性回归模型,提出了集员估计的加权最小二乘支持向量机方法.采用加权最小二乘支持向量回归的方法建立逼近方程误差向量的加权l∞范数与参数向量之间的复杂函数关系的模型.根据此模型和可行的方程误差向量的加权1∞范数导出近似参数可行集.为了评估集员估计结果的优劣,给出了反映近似边界接近精确边界程度的指标.仿真结果表明,采用本文方法比采用一般最小二乘支持向量杌的方法所得的近似边界更接近精确边界.     

基于最小二乘原理的电力故障录波器通道校正方法

为了保证电力故障录波器的测量精度 ,提出了一种基于线性最小二乘原理的录波器通道校正方法。根据录波器模拟量采样电路的构成 ,采用线性数学模型来描述模拟量通道的输入输出特性 ,在此基础上采用最小二乘准则获得最小二乘意义下的变比参数 ,同时说明了通道相移的计算方法。所提出的算法具有简单、实用、精度高等特点。在WDGL IV型电力故障录波器上的实验结果表明 ,这一通道校正方法对提高录波器的测量精度是十分有效的     

基于最小二乘原理的电力故障录波器通道校正方法

为了保证电力故障录波器的测量精度,提出了一种基于线性最小二乘原理的录波器通道校正方法.根据录波器模拟量采样电路的构成,采用线性数学模型来描述模拟量通道的输入输出特性,在此基础上采用最小二乘准则获得最小二乘意义下的变比参数,同时说明了通道相移的计算方法.所提出的算法具有简单、实用、精度高等特点.在WDGL-IV型电力故障录波器上的实验结果表明,这一通道校正方法对提高录波器的测量精度是十分有效的.     

带等式约束的加权最小二乘法参数估计

电力系统中网络参数错误会影响状态估计的性能,降低EMS中其他应用软件分析决策的可靠性和计算精度。必须通过高效的算法得到接近网络参数的真实值。对参数估计的主要方法进行了简要介绍,重点介绍了使用带等式约束的最小二乘法进行增广状态估计得到的真实解方法,该方法能够方便地集成到状态估计软件中。实例测试结果表明,带等式约束的增广状态估计方法有很好的实用价值。     

双加权最小二乘支持向量机的短期风速预测

提出了双加权最小二乘支持向量机的短期风速预测方法。考虑到离预测点越远的历史风速数据对预测值的影响越弱,对训练样本中输入向量数据进行第1次加权,以体现不同元素对预测影响的差异。同时为区分训练样本的差异性,降低异常样本的干扰,对训练样本进行第2次加权。对双加权后的训练样本,采用加权最小二乘支持向量机模型进行预测,降低了对异常点的敏感度,实现了对不同样本的区别对待。根据某实测风速数据进行了风速预测,结果表明,所提方法能提高风速预测精度。     

基于自适应加权最小二乘支持向量机的短期负荷预测方法

提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)理论的电力系统短期负荷预测新方法。在对已知负荷数据及影响因素的分析学习基础上,先用自适应参数优化法整定最小二乘支持向量机的参数,确定最优参数对,然后针对各样本重要性的差异,赋予每个样本惩罚参数不同的加权系数,建立了具有良好推广性能的AWLS-SVM回归模型。本方法突出了不同样本在训练过程中贡献不同的特性,具有结构简单,泛化性能好,不易发生过拟合现象等优点。通过对真实数据的建模预测,证明了该法在短期负荷预测中的可行性和有效性。     

基于量测数据质量的低压台区拓扑识别结果可信度评价

在没有先验拓扑连接关系的情况下,基于数据分析法的低压拓扑识别准确率无法量化评估.为此从数据分析法所需的量测数据质量着手,提出了一种根据高级量测体系(AMI)量测质量评价出数据分析法识别结果可信度的方法.首先,通过剖析基于二次规划的数据分析法的工作原理,推导数据质量对识别准确率的影响机理.其次,从数据完整性、数据差异性和...     

基于自适应分类加权最小二乘法的DCT域分形图像压缩

在对基本的DCT域分形图像压缩方法进行分析基础上,提出了一种改进方案,即基于自适应分类加权最小二乘法的DCT域分形图像压缩方法,并使用基本方法和改进方法对标准灰度图像分别进行了测试.测试结果表明,本文提出的方法可以在PSNR下降很小的情况下大大提高编码速度.     

基于AMI量测信息的低压配电网线路参数辨识方法

针对目前配电线路参数缺少精准辨识的难题,提出了基于高级量测体系（advanced meter infrastructure,AMI）量测信息的低压配电网线路参数辨识方法。该方法基于AMI量测数据,从网络末节点开始对整个网络的支路参数进行分步估计,建立关于低压配电线路阻抗参数的非线性方程组,并采用最小二乘法对其进行求解,实现全网可观测线路的辨识和估计。算例证明了方法的可行性与有效性。     

加权最小二乘法在OSL矢量误差校正中的应用

使用最小二乘法对提供更加精确的单端口校准好处很多。商用ECAL设备一直采用这种方法。加权最小二乘法是比较通用的最小二乘法，在校准标准模型的置信度不等时有很大的优势。在模型精度下降时，使用加权最小二乘法为减轻校准标准的影响提供了一种方法，它并不是突然在规定的频率范围外面放弃使用标准，从而避免后续测量中的不连续性。我们详细考察了1．85mm校准套件，演示了使用加权最小二乘法可以实现改善的结果。本文介绍了逼近函数，在两个或多个标准的响应开始汇聚在一起时可以改善结果。另外我们还介绍了基于数据的模型较传统多项式模型的其它改进之处。     

傅氏算法与最小二乘法的关系研究

由傅里叶级数推导得到的周期函数的傅氏算法具有良好的滤波能力,在微机保护中得到了广泛的应用。文章基于最小二乘法拟合原理推导出了傅氏算法并对测量精度进行分析,发现傅氏算法是最小二乘算法取一个周波或半个周波数据窗时的特殊情形,且在不同数据窗的最小二乘算法中,傅氏算法的精度最高。