受互联网思路启发的电力系统重要节点评估算法

对电力系统中重要节点进行有效区分,有助于在资源有限的条件下对重要节点施加额外保护或改变拓扑结构,从而提高系统鲁棒性、降低事故发生的概率。受网页排序算法启发,提出电气链接结构分析的随机方法(electrical stochastic approach for link structure analysis,E-SALSA)用于电力系统重要节点评估。该算法综合考虑了电力系统拓扑结构、潮流等因素对节点的影响,能够有效反映电力系统的真实情况,并且其特点更符合电力系统背景。在IEEE300节点电力系统中,使用失负荷规模和最大子群规模两个指标对E-SALSA算法与电气介数算法、基于共同引用的超链接引导的主题搜索(model based on co-citation hypertext induced topic search,MBCC-HITS)算法进行了对比分析。结果证明E-SALSA算法相比电气介数算法在两个指标上都具有优势,相比MBCC-HITS算法能够更综合考虑各方面因素对节点的影响,进而证明了E-SALSA算法的合理性、有效性。

基于分布式光纤传感系统的有载变压器故障检测技术研究

提出基于分布式光纤传感技术的人工神经网络有载变压器故障检测预报模型,通过人工模拟变压器的故障状态及正常运行状态,并通过k-means SMOTE数据扩充方法,可以有限扩充少量故障数据集,使故障数据量可以和正常数据量达到一致,将扩充后的故障数据与正常运行的数据一起送入长短期记忆卷积神经网络(convolutional neural networks long short term memory, CNN-LSTM)识别模型,最终可以将故障的识别率提升到100%,这对采用分布式光纤传感技术在有载变压器故障识别系统上的发展具有重要意义。

基于生成对抗网络的有载调压开关故障检测研究

实际应用中电力变压器故障数据获取困难,导致在处理变压器故障数据时会由于存在不平衡数据对深入分析结果产生很大的影响。为了解决上述问题,结合对抗神经网络和人工神经网络对不平衡数据进行处理与判断,利用基于超弱光纤布拉格光栅的分布式声波传感技术对实验室搭建的变压器的模拟现场进行数据采集与分析,并在采集到的变压器故障模拟数据的检测上取得很好的效果。这种方法对基于对抗生成网络的有载变压器小样本故障识别系统具有重要的借鉴意义。