【摘 要】
：
目前对电网覆冰灾害风险评估研究工作,缺乏对资料有效性评估手段,同时现有研究所考虑评价指标不够全面等缺陷.本文以贵州电网460条线路覆冰数据为例,从覆冰资料、微地形因子、气象条件出发,全面考虑与电网覆冰相关的13个评价指标,首先采用k-VNN算法对样本资料质量控制,剔除偏离较大样本;其次建立指标遴选判据,剔除对本文研究影响较小指标,并对可变指标气象因子,采用过程信息处理;最后采用LS-SVM算法建立电网覆冰灾害评估模型.研究表明:5.87％样本偏离程度较大,属于无用样本;山脊、坡向两个指标对电网覆冰影响较小
【机 构】
：
贵州电网有限责任公司电力科学研究院,贵州贵阳550000
论文部分内容阅读
目前对电网覆冰灾害风险评估研究工作,缺乏对资料有效性评估手段,同时现有研究所考虑评价指标不够全面等缺陷.本文以贵州电网460条线路覆冰数据为例,从覆冰资料、微地形因子、气象条件出发,全面考虑与电网覆冰相关的13个评价指标,首先采用k-VNN算法对样本资料质量控制,剔除偏离较大样本;其次建立指标遴选判据,剔除对本文研究影响较小指标,并对可变指标气象因子,采用过程信息处理;最后采用LS-SVM算法建立电网覆冰灾害评估模型.研究表明:5.87％样本偏离程度较大,属于无用样本;山脊、坡向两个指标对电网覆冰影响较小;本文所建电网覆冰风险评估模型与实际观测值资料较为接近,平均相对误差仅为2.13％,质量控制手段能有效提升模型精度12.7％,气象过程信息处理能有效提升计算模型精度4.5％.本文最后以110kV赫韭线覆冰情况为例,与人工观冰结果比对,进一步验证本文所建模型的准确性.本文研究所得结论,能够有效减小冰期人工观冰工作量,指导电网防冰加固等具有重要意义.
其他文献
通过拉力试验机、碳硫分析仪、维氏硬度计、光学显微镜、扫描电镜等对失效的拉铆钉进行化学成分、表面硬度、微观组织和断口形貌进行实验研究.结果 表明,断裂失效的主要原因为拉铆钉热处理过程中碳势控制不良,造成表面增碳严重、吸氢,增加了拉铆钉表面脆性、氢脆敏感性,导致拉铆钉在热处理后发生氢脆断裂.
对于大齿圈类零件,通常需采用压淬工艺来保证产品的工艺尺寸,而压淬工艺的核心是压淬模具的设计.压淬模具设计时不仅要考虑产品的尺寸,同时需要考虑模具与热态工件在压淬过程中的接触问题,以避免不良接触.针对齿圈零件在生产过程中的端面压伤问题,通过对压淬机理进行分析研究,对压淬模具的设计、过程控制等进行优化,最终攻关了长期困扰的齿圈零件端面压伤问题.
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.
针对现有线路防冰工作所考虑微地形因子均不全面,缺乏对观测资料合理的质量控制手段,同时现有冰区分布图均是考虑区域面状覆冰情况,没有对微地形点冰区量级修正系数的研究,导致现有研究无法有效地对线路防冰工作起到实质性作用.对此,本文综合考虑覆冰类型、6个微地形因子指标,首先采用改进聚类算法,实现对500个微地形点依据地形指标进行归类;其次提出相似区覆冰一致性原则对观测资料质量控制,并采用熵权法研究每个分类中微地形因子对线路覆冰的权重;最后给出微地形点对冰区量级修正系数.研究表明:500个微地形点整体上可以聚合成5
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
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.
油浸式变压器的DGA数据富含大量的变压器故障信息,深度剖析DGA数据与变压器的故障状况有利于实现油浸式变压器的故障诊断.然而,特征气体信息与变压器故障类型,故障程度间为复杂的非线性映射关系,给基于变压器油中溶解气体的变压器故障判断工作带来了困难.本文综述了从三比值法到专家系统、模糊理论、机器学习等智能诊断方法,简述了各方法的优点与不足之处,此外利用决策树较强的分类性能,提出了基于决策树的变压器故障诊断模型,实验结果表明,该方法较传统三比值法有一定的优势.最后,对未来的DGA数据智能算法分析研究提供一些思路