红外测温技术在配电线路状态检修中的应用研究

文章以配电线路状态检修工作为研究对象,着眼于状态检修工作中红外测温技术的应用,首先研究了配电线路运行状态检修工作的重要意义,进而阐述了应用红外测温技术的主要价值,并就红外测温技术在配电线路状态检修中的应用要点进行了详细分析。

遗传算法求解电力设施选址问题

电力系统设施选址优化问题是电力系统规划和设计中的一个基础性问题,可以抽象成约束型的p-中位(p-median)问题,这是一个经典的NP-hard问题。该问题可以描述为从一个点的集合中选择p个有容量限制的中位点,让它们去服务一些有需求的点(客户),要求每一个中位点都不超出容量,并且总花费最小。文中针对这一优化问题,在经典遗传算法的基础上,提出了一种改进的遗传算法,并混合使用局部搜索算法,进行问题的求解。该算法能够利用遗传算法的全局收敛性,并且有效克服遗传算法的局部收敛和早熟问题,从而得到更准确的近似解。最后,使用网上的公开测试数据集以及经地理信息平台(GIS)收集的某供电局的坐标信息进行实验验证。结果表明,提出的算法能够有效解决设施选址问题,并且为企业提供切实可行的方案。

基于支持向量机算法的电流不平衡分析

在电力计量故障诊断模型的基础上,针对电流不平衡项检测的分类问题,该文提出SVM支持向量机算法模型,通过使用SVM自身对分类的识别,得到一个最优的分类平面,根据待测样本与各平面临近距离测算出样本分类。根据这一特性,得到对电流不平衡数据实时预测的能力,并构建监督学习优化模型提高模型准确率。

基于Stacking模型融合的失压故障识别算法

计量故障中的失压故障是目前电力计量系统常见的故障问题之一,传统的失压故障判定以终端告警为依据,判定维度单一,且终端告警存在误报、漏报的情况,导致了故障无法及时发现、无法实时处理。为了解决失压故障识别维度单一和终端漏报误报的问题,采用比较研究法,在前人使用机器学习算法解决故障识别问题的基础上,结合真实计量数据,构建失压关键指标,提出了一种基于Stacking模型融合的计量故障监测算法。经反复实例论证和理论测算,该算法相较于传统的机器学习算法,能够提升失压故障识别的效果,平均精确率0. 99以上。该种算法的提出为计量故障识别提供了一种新的解决方案,为失压故障后电量追补提供了一种依据,为提升计量系统管理水平增加了一种手段。