独立分量分析在输电塔防盗监测系统中的应用

在电磁干扰下检测出因不良企图引起的铁塔振动信号,防止塔材被盗事件的发生,对保障电网安全运行有着重要意义。文中介绍了一种基于独立分量分析（ICA）的输电塔防盗监测系统。ICA方法能够在没有源信号和传输通道参数先验知识的情况下,按照统计独立的原则,通过选择判据和优化算法将信号分解成若干独立的源成分,适合于该系统中非平稳振动信号的提取。系统在硬件方面采取了相应的抗干扰措施,有效降低了电磁等干扰。采用负熵的FastICA方法和探查性投影追踪信号处理算法快速地对铁塔盗窃中产生的振动信号进行了较好的提取和分离,结合自适应阈值脉冲提取算法,有效地提取振动脉冲成分,降低了噪声干扰。实验结果表明该系统能够较好地检测出铁塔盗窃中产生的振动信号。     

XLPE直流电缆典型缺陷局部放电特性研究

局部放电是表征电力设备绝缘状态的最有效的手段之一,然而关于直流电压下XLPE电缆典型绝缘缺陷局部放电特征的研究较少。文中首先深入分析了直流下复合绝缘材料局部放电机理,总结了XLPE电缆常见缺陷类型及其原因。使用单芯XLPE电缆及其预制式接头制作了金属毛刺电晕缺陷、应力锥处半导电层沿面放电缺陷以及绝缘交界面气隙放电缺陷,在直流电压下进行阶梯式加压试验。基于高频电流法采集局部放电数据,获得了各缺陷不同放电严重阶段的多种典型特征,包括放电量-时间间隔-放电重复率三维图谱,前序放电量、前序放电时间间隔与当前放电量相关性散点图。提取了典型统计图谱的28个指纹特征,并使用RBF神经网络进行模式识别获得了较好识别正确率,从而验证了特征有效性。     

基于改进鱼群算法与最小二乘支持向量机的短期负荷预测

在电力系统中,无论是正常运行时的调度工作还是故障修复时的孤岛划分,都需要准确的负荷数据,因此电力负荷准确的短期预测工作十分重要。本文运用最小二乘支持向量机进行预测:首先,对人工鱼群算法通过视野和步长自适应设定以及引入精英反向学习机制进行改进,使其计算更加具有优越性;其次,利用改进的人工鱼群算法对广泛应用于负荷预测的最小二乘支持向量机进行改进(主要针对其核宽度系数与正则化参数);最后,运用参数改进后的最小二乘支持向量机对IEEE 33节点系统进行短期负荷预测。实例表明了此方法的工程实用性。     

基于自适应遗传算法的变电站红外图像模糊增强

为增强变电站中电力设备红外热像图的视觉效果,突出局部热异常区域,方便故障定位及检修,提出了一种基于自适应遗传算法的红外热像图模糊增强技术。对小波变换后的红外子热像图,进行同态滤波增强处理和模糊增强处理,并运用动态自适应遗传算法对模糊参数进行优化,最后,经小波重构得到了效果增强的红外图像。实验结果表明,该方法相对同态滤波、模糊集增强、遗传模糊等算法,红外图像的边缘强度、对比度、清晰度分别至少提高12.6%、27.7%、33.7%,有利于检修人员进行电力设备的热异常定位及故障诊断。     

基于电磁波阵列信号处理和波达方向分析的变电站局部放电定位

局部放电(partial discharge,PD)检测是绝缘检测与诊断最有效的方法之一。基于L型天线阵列信号处理,及旋转不变技术(estimating signal parameter via rotational invariance techniques,ESPRIT)求取信号波达方向(direction of arrival,DOA)的思想,提出了一种变电站局部放电定位方法,可以实现局部放电源的平面定位。该算法不需要计算信号的时延序列,故可以降低对采集系统采样率的要求,且其通过求解2个波达方向上的直线交点,即求解二元一次方程组,得到局部放电源的平面坐标,避免了求解非线性方程组。给出了算法的理论基础和实现步骤,并分别对电磁波仿真软件得到局部放电信号,及变电站现场实测的局部放电辐射电磁波信号进行分析处理。结果表明,利用该算法得到局部放电源位置的平面定位误差<30cm,满足变电站全站局部放电源的定位精度要求,验证了算法的准确性和可行性。     

采用LSTM网络的电力变压器运行状态预测方法研究

为预测电力变压器运行状态,首先分析了变压器运行过程中状态变化的影响因素,选取油中溶解特征气体体积分数和运行工况、检修记录、运行时间作为关键影响因素。采用模糊综合评判思想对电力变压器运行状态进行评估,并以模糊综合隶属度为数据标签建立基于长短时记忆网络的电力变压器状态预测模型。利用变压器油中气体序列数据及技术指标参数的状态隶属度数据对长短时记忆网络进行训练,以发掘特征参量与变压器状态之间的对应关系及模型预测参数。实例分析表明,所提方法可有效预测电力变压器运行状态,基于长短时记忆网络的电力变压器状态预测模型对1周后变压器状态预测准确率达94.4%,对1个月后状态预测准确率达81.2%,能较准确地反映变压器的优劣状况。     

基于均值漂移的局部放电边缘计算方法研究

局部放电的在线检测中普遍存在误报率高的问题,该文考虑在边缘计算平台上对局部放电特高频数据进行脉冲型干扰判别,以有效降低气体绝缘变电站(gas insulated substation,GIS)设备智能诊断中的误报率,并且能有效分担电力物联网中心节点的计算负担,降低对电力物联网数据传输带宽的需求.为此该文提出一种基于均值...     

含光伏和风电的电力系统随机生产模拟

为了解决电网中不断增加的间歇式能源给电力系统的规划和运行带来的困难,研究了光伏和风电同时并入电力系统后的随机生产模拟计算模型。基于随机生产模拟方法以及其中多状态机组的处理方法,建立了光伏的多状态计算模型。同时,结合该模型和风电等效多状态模型分析处理了光伏和风电两种间歇式能源同时并入电力系统后的随机生产模拟情况。光伏多状态计算模型可以考虑到太阳能的间歇性和不确定性。比较计算结果与实际情况表明,在随机生产模拟中,采用这两个处理间歇式能源的计算模型,得到的光伏发电量和风电场出力接近于实际情况,为恰当安排电能生产提供依据。     

近邻成分分析和k近邻学习融合的变压器不平衡样本故障诊断

在基于机器学习的电力变压器故障诊断方法中,各故障类别间案例数量不平衡会导致诊断准确率降低.为了提升电力变压器故障诊断模型的准确率及运行效率,构建了融合引入修正因子的近邻成分分析和k近邻学习的故障诊断模型.首先,通过对近邻成分分析算法(neighborhood component analysis,NCA)目标函数引入修...