NLP和推理引擎下电力基建现场风险区段识别

为识别电力基建现场风险区段,降低电力基建现场风险,提出了基于自然语言处理(Natural Language Processing, NLP)和推理引擎的电力基建现场风险区段识别方法。利用NLP技术深入挖掘电力基建现场报告文本,通过分词技术分析报告内相关内容,采用词频-逆文档频率(Term Frequency-Inverse Document Frequency, TF-IDF)算法统计现场报告内容词频,获取文本报告特征。将高权重特征项输入推理引擎内,利用推理引擎确定匹配度最高的事例,通过模拟退火思想优化推理引擎机制,实现电力基建现场风险区段识别。实验结果表明,所提方法风险识别误差均值约为3.5%,且根据所提方法识别结果进行有针对性优化后,应用对象内各区段风险均有不同程度下降。

南水北调中线（河北段）沿线劣质地下水影响输水水质风险区段确定

南水北调中线沿线水质总体良好，但局部地段存在污染的情况。为确保中线工程水质安全，本论文开展专门的研究，对中线干线地下水对渠道水质是否存在潜在影响进行论证。依据南水北调总干渠河北段的实际情况，通过开展中线干渠河北段沿线水文地质条件、地下水水位历史动态和现状、地下水水质现状等相关资料的调查分析，核实确定了地下水影响渠系水的风险区段。

基于多维信息特征映射的电网风险区段路径匹配模型研究

受风险指标影响,现有方法电网路径匹配效果不佳,无法获得成本最佳路线,因此,设计基于多维信息特征映射的电网风险区段路径匹配模型。采集电网风险区段路径数据并对其进行预处理,采用SNM方法对数据实施二次排序与清洗。通过3D mine软件,根据路径数据与地理特征信息构建电网风险区段路径的地理模型,提取电网风险区段路径特征。根据获取的特征结果,建立多维信息特征映射模型,得出多维信息特征相斥度函数,并采用BPSO算法优化与映射函数相应的权重值,实现电网风险区段路径匹配。分析实验结果可知,所设计模型能够有效躲避风险障碍,能够得出最佳成本路线。

基于历史预警信息的输电线路高风险区段识别

通过历史隐患数据提出了一种基于大数据分析的输电隐患高风险区段识别方法。该方法是在对隐患数据进行数据处理后,按不同线路编号及杆塔编号划分,遍历每条线路,使用动态滑窗算法从最小步长开始迭代直至权重最大的窗口内的隐患权重和与隐患总数的比值超过指定阈值,该窗口内的数据对应的即为隐患高风险区段。应用模型的处理方法能实现对输电线路隐患高风险区段识别,基于动态滑窗大数据处理手段,无需数据标记,数据处理后,经自动流程控制,可准确地找出某线路的隐患高风险区段,为智能运检提供辅助决策,提高线路安全性。

基于层次化、差异化的架空输电线路雷击风险评估

对当前架空输电线路雷击风险评估常用的雷害分布图法和雷击定量计算法进行了研究。针对这两种方法的不足,提出了"杆塔-杆塔区段-线路"差异化、多层次的雷击风险评估模型。以地闪密度为评估指标,同时充分考虑线路本身耐雷水平、周边地形地貌情况以及历史雷击跳闸事故等情况,计算并划分各基杆塔风险等级,确定杆塔易闪区段。同时利用层次分析法,评估各风险区段对整条输电线路的影响系数,逐层实现了整条线路雷击风险的综合评估。最后,通过实际案例验证了该评估模型的可行性。

考虑保护隐藏故障的系统N-k故障分析

存在隐藏故障的继电保护会在系统发生N-1故障时,导致保护误动,对连锁故障扩大起着推波助澜的作用。从保护隐藏故障的动作机制出发,计及不同原理的保护装置和线路故障位置,对保护的隐藏故障模式进行分析,确定保护的风险区段,提出一种基于保护隐藏故障模式分析的N-k故障分析方法,将保护的隐藏故障反映到预想事故的选择和故障组合上。算例表明,采用该方法可定量评估电网中继电保护隐藏故障对系统可靠性的影响,发现系统的薄弱环节。