-
题名基于风力预测的输电线路风偏放电预警
- 1
-
-
作者
陈科技
康丽莉
张琳琳
陈赛慧
-
机构
国网浙江省电力有限公司电力经济技术研究院
浙江省气象科学研究所
-
出处
《武汉理工大学学报(信息与管理工程版)》
CAS
2024年第4期677-682,共6页
-
基金
国网浙江省电力有限公司科技项目(B311JY21000M).
-
文摘
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。
-
关键词
风偏放电预警
强对流风力预测模型
气象雷达数据
输电线路
双层串联svm分类器
-
Keywords
early warning of wind swing discharge
strong convective wind forecast model
meteorological radar data
transmission line
double-layer series svm classifier
-
分类号
TM723
[电气工程—电力系统及自动化]
-
-
题名基于改进CNN的串联型故障电弧识别方法研究
被引量:8
- 2
-
-
作者
任志玲
南忠明
-
机构
辽宁工程技术大学电气与控制工程学院
-
出处
《控制工程》
CSCD
北大核心
2022年第2期263-270,共8页
-
基金
辽宁省高等学校国(境)外培养项目(2019GJWZD002)。
-
文摘
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。
-
关键词
串联型故障电弧
短时傅里叶变换
卷积神经网络
svm分类器
INCEPTION
-
Keywords
series arc fault
short-time Fourier transform
CNN
svm classifier
Inception
-
分类号
TP930
[自动化与计算机技术]
-