基于风力预测的输电线路风偏放电预警

为提高对强对流环境下输电线路风险的预警精度,研究了输电线路风偏放电预警方法。首先,基于气象雷达的历史监测数据,构建双层串联SVM分类器,生成强对流风力预测模型。其次,构建输电线路风偏几何模型,分析非水平风对输电线路的影响,推导临界状态下风偏角和风偏风速的计算公式。最后,采用广义极值分布函数计算输电线路风偏放电概率,发布风偏放电风险预警等级。结果表明,基于气象雷达数据和强对流风力预测的输电线路风偏放电预警方法有效、可靠,可为强对流天气下的输电线路维护、电网运行、防灾管理提供决策参考。

基于改进CNN的串联型故障电弧识别方法研究

针对串联型故障电弧影响供电系统安全且不易测量的问题,提出改进卷积神经网络对串联型故障电弧的识别方法。由于SVM学习的超平面是距离各个样本最远的平面,相比于Softmax,具有更强的泛化推广能力和更高的识别准确率,故采用SVM损失函数(hingeloss)替换原有的Softmax损失函数并在CNN模型中添加三层Inception结构得到改进的CNN模型。其次,研制串联型故障电弧实验平台,在不同的实验条件下采集电流信号,利用短时傅里叶变换,得到电流的时频谱图。采用同一数据集对两个模型进行训练和测试。结果表明,改进的CNN电弧识别模型相较于CNN电弧识别模型在识别准确率和效率上都有了明显的提高。