【摘 要】
：
针对电网主变负载评估过程中搜索路径复杂,评估结果可靠性不足的问题,构建基于改进灰狼算法的电网主变负载自动风险评估模型.根据相对支持度和置信度,设置关联数据挖掘规则.基于改进灰狼算法设置跟踪搜索和自主搜索两种模式,获取主变负载影响因素;计算相关负载因子,得到老化、缺陷、告警、历史重载以及过载因子的实际值;明确风险指标,完成自动化风险评估.实验结果表明,所提方法的搜索路径最优,能够完成所有负载风险的评估,评估结果的可靠性较高,其自动化程度最高,对电网主变负载自动风险评估工作有重要意义.
【机 构】
：
贵州电网有限责任公司电力科学研究院,贵州贵阳,550002;贵州创星电力科学研究院有限责任公司,贵州贵阳,550002;贵州电网有限责任公司,贵州贵阳,550002
论文部分内容阅读
针对电网主变负载评估过程中搜索路径复杂,评估结果可靠性不足的问题,构建基于改进灰狼算法的电网主变负载自动风险评估模型.根据相对支持度和置信度,设置关联数据挖掘规则.基于改进灰狼算法设置跟踪搜索和自主搜索两种模式,获取主变负载影响因素;计算相关负载因子,得到老化、缺陷、告警、历史重载以及过载因子的实际值;明确风险指标,完成自动化风险评估.实验结果表明,所提方法的搜索路径最优,能够完成所有负载风险的评估,评估结果的可靠性较高,其自动化程度最高,对电网主变负载自动风险评估工作有重要意义.
其他文献
测定中为了防止碳化物颗粒出现重复和漏测,在图片上划上方格并给以编号,如图126表示.为了简化,这里以洛阳轴承研究所的JB/T 1255-2014照片版本金相图谱的球化退火2级组织图片作为代表画出.对球化退火2级组织图片中的碳化物颗粒直径测量数值在全部测量完成后按步绪(6)进行导出和保存数据列表,本文中为排版节省篇幅,对金相图谱的球化退火4级组织图片的测定数值将按读者需要给以提供.因为测量是在放大条件下进行,粒子边缘各取在边界显示的中间位置,一般不会产生较大偏差.这时产生的偏差为测量边界显示的中间位置的相充
为解决断路器的误动或拒动以及遥信因通道退出而产生的信息缺失以及短时间上传的含有畸变信息的筛选等问题,本文采取了人工智能处理畸变信息的方法,利用BP神经网络人工智能技术处理非线性问题及容错性强的能力,对电网故后上传的初始信息进行处理,过滤畸变或缺失信息,进而快速准确地定位故障元件,以辅助调控运行人员正确决策.本文以BP神经网络理论为基础,设计了故障定位流程,通过将电网拓扑结构转换为故障决策表作为训练样本,搭建BP神经网络故障元件定位模型,同时结合故障定位算法,得出一套完整的电网故障定位方法,并构造不存在于训
针对现有变电站视频监控系统人工巡视模式效率低下的问题,本文基于AI边缘计算技术建立变电站视频深度学习识别模型,构建了适用于变电站现场的电力专用视频智能识别计算单元,采用卷积神经网络算法实现了“烟火”“安全帽”“异物”“画面质量”四大电力定制场景的融合识别,形成“现场视频分析装置+主站云分析平台”的“云-边”协同视频智能分析系统.在云端构服务器实现对现场上传识别结果的二次深度分析,并通过主站样本库积累及反向传输机制使装置具备持续学习的能力.试运行阶段的实际数据表明,四大场景平均识别准确达到90％以上,系统实
为解决气象因素对于光伏出力预测的影响,明确不同类型气象条件与光伏电站出力之间的相关性.本文通过基于GBDT回归的光伏电站出力人工智能预测算法对于光伏电站的出力进行预测,通过特征工程中的相关系数分析方法筛选出和光伏电站出力相关性最强的特征,针对这些特征采用模型训练及预测的方式横向预测光伏电站的实时出力.本文采用某光伏电站的气象和出力实测数据,数据采样周期为5分钟,按比例将数据集拆分为训练数据集、交叉验证数据集和测试数据集,获取出力预测结果后,本文采用均方误差和R方值结合可视化方法对于预测结果进行准确性验证.
针对传统高压电缆故障检测时,需加直流高压和大电流,危险性大、对电缆绝缘造成损伤,以及需打开GIS筒体,各部门配合时间长、效率低等问题,采用了LIRA技术.通过向测试首端输入1-100MHz的混合波,对反射行波进行信号处理分析,将电缆中的阻抗不匹配点进行宽频阻抗谱人机交互界面展示,从而快速完成电缆故障定位.该方法测试电压仅为5V,无须打开GIS筒体,从而降低了高压输电电缆故障检测时危险性,减小了对电缆绝缘的损伤,提升了故障检测效率.从LIRA技术原理出发,与传统高压输电电缆故障检测方法比较,阐述了该技术应用