基于四阶段预处理与GBDT的油浸式变压器故障诊断方法

鉴于传统电力变压器故障诊断方法存在易受数据噪声影响、诊断精度较低和模型参数难以确定等问题,提出了基于四阶段数据预处理和梯度提升树的变压器故障诊断方法。首先,基于变压器油中溶解气体数据提取可充分反映变压器工况的14维特征;其次,采用四阶段数据预处理(local outlier factor、Canopy、K-Means、SMOTE),识别并替换噪声数据,获得去噪样本集;最后,构建基于梯度提升树(GBDT)的故障诊断模型,通过粒子群(PSO)算法实现模型参数的自适应寻优。通过算例中的对比实验,验证了数据预处理及模型参数寻优对故障诊断精度的提升效果;所提出方法与多类传统方法相比,故障诊断精度显著提高,证明了其有效性与实用性。

基于改进NSGA-Ⅱ算法的电-气-热综合能源系统多目标优化

随着电力、天然气和热力网络耦合紧密程度不断加深,综合能源系统协同优化成为了新的研究热点。提出一种适用于含非凸约束条件的综合能源系统多目标优化问题的改进NSGA-II算法,通过维护全局的帕累托最优解集提升解的搜索效率,同时采用动态调整法,提高在高维等式约束下找到可行解的概率。算例分析验证了该方法的有效性。

计及人因可靠性的变电站自动化系统失效风险评估

目前对于变电站自动化系统的可靠性研究鲜有涉及人为因素的定量影响,而许多电网事故是由人为失误引起的,因此提出了一种计及人因可靠性的变电站自动化系统失效风险评估方法。首先根据工作人员所处场景采用层次分析法-成功似然指数法评估人为失效概率以此修正设备故障概率,其次基于IEC-61850的功能分解对自动化系统各种功能的失效风险进行评估,最终融合为系统失效风险,以此描述当前系统可靠性,为调度部门决策提供指导。算例结果表明,人为因素对于系统失效风险有着较大的影响,计及人因可靠性可更为客观地描述系统风险,为调度操作人员提供风险预警。

基于遗传算法优化XGBoost的油浸式变压器故障诊断方法

为了提高油浸式变压器故障诊断的精度及可靠性,研究了一种基于遗传算法优化极端梯度提升(XGBoost)的油浸式变压器故障诊断方法。首先,以油中溶解气体分析(DGA)为依据,采用无编码比值方法提取油浸式变压器的9维故障特征,并对数据样本进行归一化处理;以归一化样本为输入建立基于XGBoost的故障诊断模型,并采用遗传算法对模型中的多个超参数同时进行优化。在算例部分,收集547例故障类型确定的DGA数据进行对比实验,结果表明与现有传统方法相比,所提方法的诊断精度和稳定性有显著提升;同时验证了遗传算法对故障诊断模型的优化提升效果。

能源大数据的系统构想及应用研究

近年来,能源科技创新进入高度活跃期,以多能流互补、物理信息融合为特征的能源互联网,正在推动能源产业走向清洁、低碳、高效。大数据技术的发展,为能源互联网进一步实现数字化监管和"云上转型"提供了契机。本文立足于工程实际与未来需求,在能量流和信息流深度融合的能源互联网基础上,提出构建"一平台、两中心、三层次、多子系统"的能源大数据总体系统架构,支撑能源体系在数据、知识驱动下的智能化运转。最后,描绘了能源大数据的广阔应用场景,不仅实现了对能源系统运行管理的综合优化,也为智慧城市的发展提供了有力支撑。