基于贝叶斯模型的输电线路运行参量关联规则挖掘及预测方法

对输电线路运行状态的准确评价、诊断和预测可以为电力系统安全、经济和高效的运行提供技术支持。传统输电线路分析预测模型多使用单一参量,而输电线路运行状态还受到气象条件、运行条件等诸多因素影响。因此受测量数据质量低、环境条件随机性大等限制,传统方法在预测准确性和时效性上具有较大的局限性。该文提出了基于贝叶斯网络的关联规则挖掘方法,用于挖掘输变电线路运行参量之间的关联规则,可更加直观反映出数据间的关联性,并有效提升了计算效率;将挖掘得到的关联规则应用于预测线路的状态参量,可提高预测结果的准确性。最后以某500kV输电线路为例,提取关联规则,并用于预测线路负荷与线路温度,结果表明该方法可提高预测精度,从而验证了该关联规则挖掘方法的有效性和可行性。     

基于关联规则挖掘的输电线路缺陷状态预测

对输电线路缺陷状态进行关联因素的分析和预测工作,可以为输电线路的巡维工作提供重要的技术支持。在现有输电线路状态分析和影响因素研究的基础上,提出了基于关联规则挖掘的输电线路缺陷状态预测方法。首先根据历史缺陷数据评价得到输电线路缺陷状态。结合各种影响因素,构建线路缺陷状态与相关因素的特征库。然后引入FP-Growth算法挖掘各因素与缺陷状态间的关联规则,并将得到的规则用于预测线路的缺陷状态。最后以某地区架空输电线路为例,通过历史缺陷等数据评价得到缺陷状态样本,提取相关条件特征作为输入特征,并用于预测线路的缺陷状态。结果验证了该方法的有效性,对输电线路的巡维检修有一定的参考价值。     

基于SVM-BP混合网络的输电线路安全评价模型研究

为了能够科学、客观地评价输电线路安全状态，提出了基于SVM-BP混合网络的输电线路安全分析模型。首先，对天气数据、输电线路标准文件和缺陷数据等进行处理和分析，利用关联规则和主成分分析法对输电线路缺陷数据进行整合，建立输电线路安全状态评价体系；然后，提出了SVM-BP混合网络模型挖掘各因素与缺陷状态间的关联，评价输电线路的安全状态；最后，以某地区输电线路为数据集进行验证，该评价模型的准确率达到97.4%，可以快速准确地评价输电的安全状态，并在灾害性天气下提前做好应对措施，保证输电线路的稳定运行。     

基于关联规则和主成分分析的输电线路状态评价关键参数体系构建

为解决输电线路状态评价参数体系中参量种类繁多、体系结构复杂的问题,提出了一种基于关联规则和主成分分析的关键参数体系构建方法.该方法首先建立参量较为全面的基础参数体系,并结合某网公司的线路运维数据通过关联规则的置信度将基础参量量化,最后用主成分分析法计算各参量的权重,以此作为依据提取关键参量,形成关键参数体系.通过电网公司某线路整一年的实际巡视、试验数据进行验证,使用关键参数体系的评价结果与现有国网、南网导则的评价结果一致,并基本符合线路实际情况.算例结果表明,所建立的关键参数体系是有效的,为线路状态评估提供了新的思路,具有一定的实用价值.     

基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。     

基于气象参数预测的输电线路输送容量概率模型研究

传统的输电线路输送容量是在保守天气条件下确定,未考虑到实际运行的环境温度和风速等其他气象参数,这可能使输电线路输送能力未得到充分的利用。而动态的载流量计算通过考虑线路周围的实际运行天气条件来确定输电线路的实际载流能力,从而提高线路的输电效率。本文提出一种基于载流量密度函数的概率建模的动态增容研究方法,采用粒子群优化的核极限学习机(PSO-KELM)对某地区的历史气象数据进行统计并预测,通过算例分析,可知该方法的预测效果较好,故将预测的数据作为概率模型的源数据。通过在某地区的应用分析表明,在用电高峰期,该方法可提高输电线路的载流量,且能确保输电线路的安全可靠性。     

基于简约参数集的输电线路状态评价方法研究

为提升对输电线路状态评价的准确、全面、可靠性,开展输电线路状态检修和智能化运行维护,提出了一种基于简约参数集的输电线路状态评价方法。该方法结合南方电网现有的输电线路评价导则、规程规范、缺陷库等,提取输电线路状态基础参数体系,在此基础上,构建了能够表征输电线路状态的简约参数集,以此作为输电线路状态评价的参量来源。通过对南方电网某500 k V输电线路进行实例验证,并将评价结果与现有导则进行对比,验证了该方法的有效性和准确性,大大提升了状态评价的效率。     

考虑复杂关联关系深度挖掘的变压器状态参量预测方法

电力变压器状态参数预测分析可以为设备状态评估提供有力技术支撑。现有变压器状态参量预测模型主要基于单一或少数状态参量进行分析和判断,预测稳定性和科学性都有待提高。文中结合变压器设备大量状态信息、电网运行和环境气象数据,提出了一种考虑复杂关联关系深度挖掘的变压器状态参量预测方法,通过栅格长短时记忆网络提取各参量之间蕴含的内在规律和关联关系,用以修正状态参量的预测结果。将该方法用于某500kV变压器顶层油温趋势预测中,结果表明所提出的栅格长短时记忆网络能挖掘分析设备状态影响因素之间的关联关系,与未考虑关联性的预测方法及传统方法相比,通过参量序列间关联性提高了预测模型的稳定性,降低了预测误差。     

基于贝叶斯网络和GeNIe软件的超高压输电线路综合状态评估新方法

目前采用的超高压输电线路状态综合评估方法大多针对输电线路某时刻的具体状态开展评估,这种方法很少综合考虑输电线路自投运以来的整体运行概况。基于贝叶斯网络的输电线路综合评估状态模型,综合考虑输电线路运行的历史状态和当前状态,并兼顾其预测状态,并通过样本参数学习,结合GeNIe软件不断丰富贝叶斯网络条件概率,可以有效地提高该模型分析输电线路综合状态的准确度,实例验证该方法准确、有效、实用。     

随环境条件变化的输电线路输送容量概率建模研究

充分挖掘线路的输电潜能,提高现有电网的输电效率,是当前研究的一个热点。通常输电线路中静态载流量的计算是在保守的环境下获得,未考虑到实际运行环境。而动态载流量的计算是通过对运行环境的实时监测值,即结合实际环境温度、风速等因素,来确定其传输的极限容量,由此可以提高线路的输电效率。本文通过BP神经网络对某地区的历史气象数据进行分析和预测,由于该方法对气象预测效果较好,故将预测获得的数据作为概率模型的源数据,并提出一种基于电流密度函数的概率建模的动态增容研究方法。通过动态增容方法在某地区的应用分析,表明在迎峰度夏时可适当提高输电线路载流量,且可确保输电线路的供电可靠性。     

基于随机矩阵理论的状态监测数据关联分析方法

随着大数据技术在电力系统中应用研究的广泛开展,特别是针对设备多参量监测数据的关联分析,亟需新的数学工具对所获取的数据进行高效的数据表征及信息提取。文中采用高维随机矩阵对状态监测数据进行数学表征,并运用随机矩阵理论的特征根谱分析、MP定律、圆环率等理论,对设备状态监测数据进行数据挖掘。在理论方法基础上,文中以输电线路状态监测数据为研究对象,将输电线路电压及其谐波通过高维随机矩阵统一建模,并对其关联信息进行分析和提取。研究结果表明高维随机矩阵表征下的数据分析技术具备对设备状态信息的高度敏感性,适用于对多源数据关联关系的分析,且在设备状态分析应用中具有传统方法所缺乏的直观性与高效性。     

考虑参量有效性的输电线路状态评估方法研究及应用

为了进一步提高架空输电线路状态评估结果的准确性,文中首先研究了输电线路各监测参量在反应设备状态中的灵敏度,构建了基于主成分分析法的输电线路状态评估指标体系,明确了状态评估的数据需求;然后建立了输电线路状态评估的贝叶斯数学模型,并进行了实例验证;最后基于多源数据平台,设计开发了输电线路状态评估专家系统,将研究成果予以实现。结果表明,文中提出的输电线路状态评估指标体系更具有针对性,状态评估方法有效可行。     

基于灰色投影优化随机森林算法的输电线路舞动预警方法

为实现对输电线路舞动的准确预警,多种预警模型被建立。其中对于预警模型的研究点多集中于参数的最优选取,而尚未开展针对训练样本的聚类改进,特别是地形参量存在难以客观衡量的问题,容易导致预测精度不佳抑或模型存在适应性问题。为此,提出了一种基于灰色投影优化随机森林算法的舞动预警模型。通过加权灰色关联投影法来优化选取与待预测样本关联度较高的样本作为训练样本集,以此来改进随机森林模型对低关联度数据的拟合能力。此外,模型还通过多维度参量即导线分裂数、直径、档距等内部参量以及风速、风向角、湿度等外部参量作为输入特征量来提高预警的准确性。利用历史舞动数据对模型进行检验,结果显示该模型的预警结果相较于传统随机森林算法和BP神经网络具有明显优势。通过该方法,可为输电线路舞动预警提供一种新的解决路线。     

基于改进云模型和Eclat算法的输电线路极端灾害风险评估

针对当前用于输电线路风险评估的云模型中量化等级依靠人为主观划分的不足,提出一种基于改进云模型和Eclat算法的输电线路极端灾害风险评估方法。首先,基于灾害特征信息选取灾害特征因子和典型极端灾害技术要素;通过FCM算法获取一维数据聚类中心,将聚类中心与传统主观云模型数字特征进行结合得到改进后的组合标准云;考虑灾害造成的停运时间、输电线路抗灾能力以及灾害风险的累积效应对数据进行动态修正后,在标准云中进行量化等级划分;最后,应用Eclat算法挖掘量化后的灾害特征因子与风险技术要素间的关联规则,得到风险评估预测模型。实例结果表明,改进后的模型正确率得到提高,获取到的关联规则能够对线路灾害风险进行预测评估。     

基于CNN-GRU组合神经网络的变压器短期故障预测方法

为挖掘变压器运行状态参量间的关联关系,量化外部环境对变压器运行状态的影响,提出了一种基于卷积神经网络和门控循环单元组合神经网络的变压器短期故障预测方法。首先,通过关联规则挖掘变压器状态参量间的相关性,结合变权思想进行综合状态评估,引入指数函数建立表征变压器运行状态的故障率模型,并将其作为预测状态参量。其次,考虑外部环境对变压器运行状态的影响,分别从日期因素、气象因素和生产工艺因素构建变压器故障预测特征集。然后,利用卷积神经网络在高维空间提取特征集与故障率间的特征向量,将结果输入门控循环单元进行优化训练,从而预测变压器故障率的发展趋势。最后,通过某海上平台变压器的故障预测趋势分析,验证了所提方法的可行性与有效性。该方法与长短期记忆模型、GRU模型、CNN-LSTM模型和支持向量机模型相比,具有更高的预测精度与更高的预测效率。     

基于粗糙集理论的架空输电线路运行状态评估

本文提出了一种基于粗糙集理论的架空输电线路运行状态评估新方法。利用粗糙集理论建立架空输电线路决策表,并进行属性约简,得出决策规则。然后,分析计算了各条件属性对各架空输电线路运行状态的不同权重,克服了传统方法确定权重系数的主观性。     

基于数据挖掘理论的电力系统暂态稳定评估

将数据挖掘理论中的关联规则分析与分类分析相结合，提出了一种基于数据挖掘理论的暂态稳定评估方法。文中选择反映电力系统运行状态的特征变量，建立暂态稳定评估模型；考虑到电力系统数据量大的特点，采用聚类分析、特征变量提取、连续数据离散化等数据预处理手段，以提高问题判断的准确性、可靠性和实用性。利用关联分类法可产生反映电力系统运行状态和暂态稳定性的关联规则，这些规则可被用来对系统进行暂态稳定的预测和评估。通过对3机9节点系统的计算，验证了该评估方法的有效性。     

输电线路在线监测装置研制及其通信组网应用

为了提高输电线路的运行稳定性,通过对输电线路需要监测的状态参量进行分析,并基于无线传感网络技术,提出了输电线路一体化智能监测装置架构,研制出输电线路一体化智能监测装置。此装置具有接口丰富、通信方式多样化、集成度高的优点。输电线路一体化智能监测装置在云南省进行了通信组网应用,其结果表明:装置在3 000 m范围内的数据平均传输速率为12.1 Mb/s,且数据传输速率均不低于10.8 Mb/s。此装置为实现分散监测主机间的相互关联、监测数据共享及信息整合,形成光纤、北斗、GPRS及无线通信方式组合的通信网络,为输电线路实时数据及命令的传送提供了有效的通道及途径,提高了输电线路的运行稳定性。     

基于关联规则分析的电力变压器故障马尔科夫预测模型

为了有效预测电力变压器故障发展的情况,提出了一种基于关联规则分析的电力变压器故障马尔科夫预测模型。运用云理论提取状态参量的云概念,使用Apriori算法挖掘状态参量与状态之间的关联规则以及各状态之间的关联规则;根据状态参量与状态之间的关联规则,建立基于云–Petri网的变压器状态分析模型,从而得到变压器在初始时各状态发生的可能性;利用各状态之间关联规则构建变压器状态转移矩阵,并建立修正因子体系对状态转移矩阵进行修正;将变压器初始时各状态的可能性结合修正后的状态转移矩阵对故障进行预测。实例计算表明,相比于IEC、BPNN与SVM,基于云–Petri网的分析模型具有更快的响应时间或更高的准确率,而对状态转移矩阵的修正可提高马尔科夫模型预测的准确率,能对变压器故障发展趋势进行更有效、合理的预测。     

面向智能电网大数据关联规则挖掘的频繁模式网络模型

针对目前关联规则挖掘频繁树(FP-Tree)算法实现较困难以及难以处理数据库更新的缺点,提出了频繁模式网络(FP-network)模型,将关联规则挖掘所需要的信息压缩到一个无向网络图上,并建立事务项目关联矩阵,从而进行数据存储和数据挖掘。FP-network模型适用于智能电网大数据的关联规则挖掘。以关联规则挖掘在输电线路故障分析领域的应用为例进行算例分析,结果表明所提出的FP-network关联规则挖掘算法不仅继承了FP-Tree算法的优点,而且只需扫描一次数据库,也便于数据库的维护和更新,从而提高了智能电网大数据关联规则挖掘的效率。