海量实测过电压数据智能自清洗方法

系统过电压及其造成的事故屡见不鲜,严重威胁电网稳定性与安全性,因此,电网过电压数据的高效,准确获取是电网暂态分析和安全运行的重要保障。虽然相关研究已捕获了一定数量的过电压数据,但针对过电压数据采集与传输过程中数据库掺入错误、无效波形导致数据质量降低而无法实现有效应用的问题尚未解决。文中以某变电站实测过电压在线监测数据为研究对象,研究错误波形与真实过电压波形间的差异性规律,提出基于稀疏自编码、主成分分析(PCA)以及基于密度峰快速搜寻的聚类(CFSFDP)的海量过电压自动清洗方法。通过稀疏自编码与PCA实现电力系统实测波形降维与特征自提取,利用CFSFDP聚类方法实现无效、错误波形的有效隔离,创新性的构建海量过电压数据智能自清洗结构方法实现过电压数据预清洗与完全清洗,梯度式提高过电压波形数据库数据质量,数据质量提升的干净过电压数据库有利于进一步加深过电压产生与传播特性的认知。

某变电站10kV系统实测雷电侵入波过电压幅值与波形特征统计分析

雷电过电压是威胁系统安全运行的风险源之一,但目前变电站内雷电侵入波过电压的统计规律尚不明确,难以为绝缘介质的放电特性研究提供广泛数据支撑,造成绝缘配合存在过设计或欠设计问题。该文以某变电站10 kV系统实测雷电侵入波过电压数据为基础,研究其幅值和波形参数统计分布规律。研究发现,站内设备上承受的雷电侵入波过电压波形与IEC标准规定的1.2/50μs双指数波存在显著差别。针对站内雷电侵入波的波形特征,提出过电压幅值、波前时间、振荡主频以及衰减常数的统计特征量,并采用Kolmogorov-Smirnov(KS)检验方法辨识得到其概率密度分布。统计表明:该变电站10 kV系统雷电侵入波过电压的幅值分布在[12,42] kV,概率密度服从Burr分布;波前时间分布在[8.3,167.0]μs,其累积概率密度服从Bi DoseResp分布;振荡主频分布在[2.08,22.22] kHz,99.28%的振荡频率小于15 kHz,均值为5.84 kHz,振荡主频的概率密度服从Generalized Pareto分布;波形的衰减常数分布在[0.01, 0.90]范围内,均值为0.39,其概率密度服从Beta分布。该文研究结果可为绝缘特性、绝缘配合和泛在电力物联网数据层建设提供基础数据支撑。

基于FSWT——SSAEs的配电网内部过电压自动提取与分类识别

过电压是造成电网绝缘损坏的主要原因,对电气设备绝缘可靠性、系统绝缘配合、继电保护以及运行控制均产生重要影响。研究配电网过电压的特征提取与分类识别对于电网运行事故溯源以及设备绝缘风险评估等均具有难以替代的现实意义。文中基于频率切片小波变换(FSWT)时频分析方法构建过电压时频分布九宫图,完成实测过电压整体与细节信息的完全提取;改进多层稀疏自编码算法(SSAEs),实现实测过电压特征的自动提取与分类识别;分析改进多层稀疏自编码网络中关键参数(卷积块大小、卷积特征数量以及稀疏性参数)的影响,确定最优参数,实现最佳分类识别效果。结果表明,过电压时频分布九宫图与改进多层稀疏自编码算法相结合能够高效的自动提取和分类实测过电压波形,分类精度良好。