孙向飞[1]2003年在《粗糙集理论在电力系统中应用研究初探》文中研究表明软计算工具主要包括人工神经网络、模糊集理论、进化算法和粗糙集理论等。粗糙集理论是一种较新的软计算方法，它能有效地分析和处理不精确、不一致、不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律，是一个强大的数据分析工具，具有良好的容错性能。粗糙集理论在某些方面可以弥补其它软计算方法的不足，其在电力系统中的研究和应用还非常少，尚处在起步、探索阶段。本文利用粗糙集理论在处理不完备信息方面的独特性能，以及强大的数据分析能力和容错性能，对其在电力系统中的应用，进行探索研究。主要内容有： 1．基于粗糙集理论的配电网故障诊断研究 配电网一旦发生事故，如何快速、准确地对故障发生区位进行诊断并有效地隔离，是提高供电可靠性的关键问题，也是实现配电自动化的重要研究课题之一。近年来，各级调度中心引入使用的SCADA系统，能够将配电网中的实时信息及时提供给调度员，为配电自动化水平的提高奠定了基础。然而，现有的SCADA系统在配电网发生故障时提供给调度员的警报信息有如下局限性：(1)面向现场的户外馈线终端FTU运行环境恶劣，承受强的电磁、雷电干扰，并且由于继电器节点故障、FTU元器件损坏等因素的存在，使得配电网信息受干扰、畸变的可能性较高；(2)在信号传输及变换过程中，通讯装置的故障等原因，也可能导致信号出错甚至丢失；(3)保护装置和断路器本身也有可能误动或拒动。以上原因使故障后的系统响应复杂化，产生不完备警报信息，给故障诊断工作造成很大困难。 针对配电网故障模式存在不完备信息的情况，本文运用粗糙集理论探索了一种配电网故障诊断的新方法。其思路是把保护和断路器的信号作为对故障分类的条件属性集，考虑各种可能发生的故障情况建立决策表，然后进行决策表化简，最后抽取出诊断规则。这种方法揭示了故障信息集合内在的冗余性，能够区分关键信号和非关键信号，可以在不精确、不完备的警报信息模式下达到正确诊断的目的。 2．基于气相色谱分析和粗糙集理论的电力变压器故障诊断专家系统方案设计 变压器内部故障的检测有多种手段，IEEE认为对变压器内部故障早期诊断最有效的方法是油中气体色谱分析法。由于目前对于变压器的故障机理尚未清楚，以及监测手段存在一定的局限性，要建立故障现象与故障原因之间的精确数学模型是十分困昆明理工大学硕士学位论文难的。专家系统可以有效地模拟专家的决策过程，被国内外电力系统工作者广泛探索用于变压器故障诊断，但难以获取完备知识的瓶颈问题一直制约着专家系统的发展。 本文提出了一种基于气相色谱分析和粗糙集理论的电力变压器故障诊断专家系统设计方案，并着重研究了变压器故障诊断专家系统知识库建立和维护的粗糙集方法。该方法从历史故障数据所形成决策表的约简出发，通过计算规则的粗糙隶属度，形成不同简化层次上符合置信度要求的节点网络规则集。随着故障样本的增多，重新计算每个节点的规则的粗糙隶属度，错误样本将被众多正确样本“淹没”，从而实现知识库的维护和自适应能力。用变压器故障信息与知识库中相应节点的规则集进行匹配，即使在气相色谱分析数据不完备的情况下，也能得到正确的诊断结果。
李春祥[2]2009年在《基于知识发现的电力需求复合预测研究》文中研究指明电力需求预测是电力系统规划与运行的重要基础工作,是电力企业制定购电和发电计划的重要依据,也是电网安全经济运行的重要保障。电力需求指标会受到各种因素的影响,知识发现理论和方法能够用来挖掘指标变化的内在规律及其与影响因素之间的相互关系,从而做出更加科学准确的预测。本文在电力需求预测方面做了如下研究:(1)研究并提出了基于叁指标量的复合预测模型。叁指标量即指标总量、指标增长量和指标增长率,将预测指标序列转换为叁指标量序列,对每个序列进行独立分析并预测,然后再拟合成最终的预测结果,称之为复合预测。文中将电力需求预测划分为电量预测和负荷预测,并应用灰色关联分析对电量指标与影响因素之间的相互关系进行了分析。根据复合预测思想的设计了实现模型,即基于叁指标量的电量复合预测综合模型。该模型借鉴了组合预测的思想,首先利用层次分析法针对叁指标量序列分别进行模型评价和优选,评价的标准包括模型预测误差、模型拟合度、模型专家信任度和预测趋势可信度,之后研究了两种拟合方法,分别为基于预测有效度的拟合方法和径向基神经网络的拟合方法,并分析了两种方法的优缺点。通过实例分析,对比了综合模型相比传统模型的优势。复合预测方法能够通过对预测指标的多角度分析,获得更多有关数据变化的内在规律,从而做出更加科学的预测。(2)研究了综合利用多种数据挖掘方法进行短期负荷预测的方法。首先基于粗糙集对负荷的影响因素集合进行约简,以约简的影响因素集作为日特征集,之后利用模糊C-均值聚类方法对日负荷曲线进行聚类分析,将曲线形态最为近似的聚为一类,最后以日特征集代替对应的日负荷曲线,并计算每类的类中心。进行预测时,计算预测日的日特征集到各类中心的距离,距离最近的为预测日的归属类,从归属类中选取历史数据作为训练样本对BP神经网络预测模型进行训练。通过实例分析,该方法能够显着提高预测精度,并且能够适应一些特殊日期的负荷变化。(3)研究了协同知识发现在电力需求预测中的应用方法。协同知识发现能够融合用户驱动知识和数据驱动知识,使用户参与到知识发现的整个过程中,通过知识聚焦实现对知识的进一步挖掘,实现知识库的动态更新和知识的全面评价。文中提出了电力需求预测协同知识发现逻辑模型,充分考虑了电力需求预测的特点,主要实现对预测结果的综合评价,并在此基础上实现对预测结果的微调。(4)研究并开发了电力需求预测分析系统。系统应用了复合预测的思想,采用模块化设计,具有界面友好、功能丰富、分析全面、可扩展性强等特点,已经在河北省电力公司发展策划部成功应用两年多,并获得了河北省电力公司科技进步二等奖。
王志勇[3]2007年在《数据挖掘方法在短期负荷预测中的应用研究》文中提出短期负荷预测是各级电力系统调度、运营部门的一项重要工作，它关系到确定燃料的供应计划、运行中电厂出力要求的制订、经济性安排机组起停以及合理安排机组检修计划等方面。随着电力市场的逐步发展、完善，短期负荷预测对于提高电力系统经济性将起到越来越重要的作用。随着电力信息化水平的不断提高，大量的负荷及其相关数据被储存在电力系统数据库中，如何合理、有效的利用这些数据，并从中获取对于指导负荷预测工作有用的“知识”是当前面临的一个重要问题。而数据挖掘方法可以从大量的数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，并将提取的知识表示为概念、规则、规律、模式等形式，这些知识蕴涵了数据集中的数据对象之间的特定联系，揭示出一些有用的信息。本文综合利用多种数据挖掘方法对电力负荷相关数据进行分析，利用得到的信息为负荷预测建模提供更为合理的依据，使建模过程尽量减少人为的主观影响，解决建模过程中的难点问题，从而提高负荷预测的准确性。论文首先介绍了负荷预测的基本概念及研究发展现状，然后对数据挖掘的基本定义以及常用方法进行了介绍，并对其在电力系统负荷预测中的应用情况进行了综述。本文的主要研究成果可分为五部分：第二章提出了基于灰色理论的电力系统异常负荷数据辨识与修正方法。首先将传统灰色预测模型进行了改进，然后分别使用前向灰色插值法和后向灰色插值法对缺失点负荷进行预测，最后使用两种预测的最优组合来确定最终的填补值；在填补负荷缺失点的同时，针对负荷序列中的异常值使用灰色插值方法进行了辨识及修正。第叁章中提出了基于数据挖掘方法的负荷预测神经网络结构的确定。如何合理地确定神经网络的输入变量，并且避免出现过多的输入造成“维数灾”是基于神经网络的负荷预测方法一直没有妥善解决的问题。本章中提出使用模糊粗糙集方法来有效克服传统粗糙集方法的不足进行神经网络输入变量选取；还提出当缺少领域知识的情况下，使用互信息理论来进行神经网络输入参数的合理、有效的选取，经实例验证和比较，表明本章提出的基于模糊粗糙集和互信息理论的属性约简算法是有效可行的。第四章针对短期负荷预测具有明显周期性的特点，提出了一个改进范例推理系统来进行短期负荷预测。该系统将范例推理、自组织映射以及互信息理论进行了有效的结合。首先使用互信息方法确定了范例的表示、组织方法以及各个范例属性的匹配权重；然后通过选取适当的聚类数目将历史范例进行聚类，在进行范例匹配时进行两次匹配：首先将新问题所对应的范例与各个聚类中心进行匹配，得到最相似聚类，然后再在该聚类中进行二次匹配，最后将得到的最相似范例集进行重用、修正，得到最终预测结果。第五章提出了一种负荷模式识别、分类方法。针对获取的客户用电数据，在经过一定的预处理后使用多种聚类分析方法进行分析，通过选取最合适的聚类方法以及聚类数目得到工作日及周末的典型负荷代表曲线。然后利用聚类所得到的知识，选择合适的推理方法获取分类规则，从而为将未知类型单位划分给某特征曲线类提供了有效的工具，得到的分类规则也有较高的正确率。第六章中提出了一个基于多Agent的变电站负荷预测模型，首先将变电站负荷进行聚类辨识、分类，然后对每一个类别分别进行预测，最终将预测结果进行累加，得到该变电站负荷总量。可以将方法进行推广，对区域内各变电站均用此方法进行合成预测，考虑到各区域中负荷模式类别和所占比重均有所不同，而且不同区域内的天气状况也有所区别，本章中首次提出采用多Agent来对预测系统进行了建构。
苏蓬[4]2008年在《基于粗糙集理论的变压器故障综合诊断方法的研究》文中研究表明变压器是电力系统中至关重要的运行设备,其运行状态直接关系到电网运行的安全性和经济性。本文对变压器的主要的故障类型、故障检测手段以及各种检测手段所提供的故障特征量进行了系统的分析,由于变压器故障机理复杂,故障类型与故障征兆间联系具有不确定性,不能单靠某一种或几种试验来确定其故障类型和故障位置的特点,本文在粗糙集理论基础上进行故障综合诊断方法的研究,建立了基于两种粗糙集最优约简算法与朴素贝叶斯网络相结合的变压器故障诊断模型,采用样本测试验证了该模型具有诊断快速、准确率高的优点,并分析说明了该模型的自学习功能。最后,结合目前较为成熟的智能诊断理论,设计了变压器状态分析系统的故障诊断子系统。
佚名[5]2004年在《电网技术第28卷(2004)文章作者姓名检索表》文中研究说明捷楷陈陈KK.U通用变电站操作票生成方法的研究(15114)Kip Morison广域保护(稳控)技术的现状及展望(20/8)尸rabha Kundur广域保护(稳控)技术的现状及展望(20招〕安宁超导储能装置用于改善暂态电压稳定性的研究(1l4)白晓民
张孝远[6]2012年在《融合支持向量机的水电机组混合智能故障诊断研究》文中研究指明随着水力资源的不断开发,水电在电力能源结构中所占比重逐渐增大,作为水电生产过程核心设备的水电机组的结构日趋复杂,集成化程度越来越高,不同部件之间动力学行为相互影响、相互作用,机组振动问题日益突出,对电网的安全稳定运行造成的影响也日益凸显。因此,常规的水电机组振动故障诊断方法已经不能很好的适应于当前的工程实际,迫切需要采用一些有效的智能故障诊断方法对机组振动故障进行诊断,以提高机组故障诊断的准确性、智能性及鲁棒性。本文针对水轮发电机组故障诊断和工程应用中的关键科学问题,运用支持向量机理论进行水电机组振动故障诊断,深入研究了支持向量机的理论及工程应用,将先进信号处理技术与智能方法和支持向量机进行融合,使支持向量机与其它智能方法取长补短、优势互补,提出了若干融合支持向量机的水电机组混合智能故障诊断方法。论文的主要研究内容和创新性成果如下：(1)充分研究了支持向量机的模型参数对其性能的影响,提出采用特征空间中的类均值距离作为衡量所选核函数参数优劣的准则,并在此基础上确定出多类支持向量机核参数的小而有效的搜索区间；在新的核参数搜索区间和惩罚因子的搜索区间上,利用一种具有自适应搜索因子的差分进化算法进行支持向量机参数组合寻优。工程应用结果表明所提出的方法能够有效诊断出机组的典型故障,具有一定的可行性和有效性。(2)提出采用集合经验模态分解及基于集合经验模态分解的Hilbert谱与Hilbe1rt边际谱对水电机组尾水管压力脉动信号进行分析；重点研究了基于集合经验模态分解的本征模态函数能量熵与奇异值分解特征提取方法,利用本征模态函数能量熵判断机组是否运行于故障状态；如果机组运行于故障状态,将本征模态函数奇异值特征输入前述经参数优化的支持向量机进行故障类型诊断；工程应用表明所提方法能够识别出设备的多种运行工况,所提方法已被成功应用在松江河发电厂故障诊断系统中。(3)采用模糊支持向量机进行水电机组故障诊断,模糊支持向量机在训练阶段对故障样本区别对待,能够有效消除孤立点和野点子对诊断结果的影响；在模糊支持向量机中采用一种模糊sigmoid核函数,对这种核函数的形式及优势进行了阐述；针对模糊支持向量机实际应用中隶属度函数难以确定的问题,提出一种反K近邻方法与类均值距离结合的隶属度函数确定方法；深入分析了一对一多类支持向量机,指出采用一对一方法将二类支持向量机推广到多类时,在训练阶段并不是所有的类别对形成的支持向量机对最终的决策分类都有贡献,即存在着计算冗余；在此基础上,提出一种改进的一对一方法以删除其中不必要的支持向量机的训练。将所提方法应用于水电机组振动故障诊断取得满意的诊断结果。(4)针对传统故障诊断分类器不能诊断出机组的不确定信息的不足,提出一种新的支持向量机与粗糙集结合的故障诊断方法。所提方法充分考虑了支持向量机和粗糙集各自的优缺点,将二者有机融合,优势互补,利用粗糙集来描述支持向量机的分类间隔,采用粗糙集上下近似的概念描述故障的不确定信息,充分利用了支持向量机强大的泛化能力和粗糙集对不确定数据的较强建模能力。将所提方法应用在某水电机组的故障诊断中能够诊断出机组的耦合故障,或亚健康状态。对二滩水电站#3号机组上导摆度偏大问题进行了综合分析,分析结论为二滩水电站管理运行人员提供了有益指导,同时进一步说明对水电机组耦合故障进行诊断的必要性。
熊新惠[7]2005年在《粗糙集理论在银行数据分析中的利用》文中指出随着数据库技术的不断发展及其广泛应用,数据库中的数据量急剧增大,当大量数据不停地被收集和存储,业界人士对他们数据中项集之间的相关联系越来越感兴趣。这种数据中项集之间的有趣的相关联系称为关联规则。如今,关联规则已广泛应用于各个领域,如:医疗诊断,市场分析等。而算法效率不高、规则冗余度较大、用户仅对一部分关联规则感兴趣是目前关联规则挖掘算法普遍存在的问题,因此,从大量的数据中迅速挖掘用户感兴趣的关联规则,具有重要的现实意义。而银行的电子化经过了十多年的建设,各银行业务系统都已取得了一定的成绩。面对庞大的数据库及众多的数据,业内人士往往感到无所适从,不知道如何把这些数据利用起来。 本论文的研究工作,主要围绕着基于粗糙集理论的动态约简以求得决策规则。利用粗糙集理论的基本原理,挖掘出用户需要的决策规则。 本文主要研究了以下几个方面的内容: (1)一种改进的属性约简算法; (2)将属性约简算法与其他算法结合在一起使用。 论文首先概述了集合和粗糙集理论的基础知识,通过对粗糙集理论的研究,阐明了粗糙集理论是一种尤为适用于不确定、不完整系统的数据挖掘的数学工具。在此基础上,重点探讨了粗糙集理论的属性约简方法。最后,阐述了基于粗糙集理论的关联规则挖掘的改进算法,并详细说明了改进的关联规则挖掘算法及其步骤。并将其作用于实验数据库,获得了较好的结果,证实了原型系统具有一定的实用价值。 本文的研究工作是一个尝试,有待于进一步的深入研究。
佚名[8]2004年在《《电力系统自动化》2004年索引(第28卷第1~24期)总目次》文中提出专家论坛对几个小波基本概念的理解//陈样训// (1):1中国火电厂热工自动化技术改造建议//霍 耀光,侯子良,李麟章,等//(2):1电力市场条件下的发输电规划协调与运行 模式刀曾庆禹//(5):1保证电力供需长期均衡的措施研究//夏 清,彭涛,周安石
门永生[9]2015年在《上海电网重要基础设施脆弱性评估研究》文中指出随着社会经济的飞速发展,电力系统步入了大电网、大机组和特高电压时代,逐渐发展成为具有超大规模的复杂系统。电网的大规模互连实现了更大范围内资源的优化配置,但同时也降低了电网运行的安全稳定程度,造成各类电网突发事件频发,带来重大社会影响和经济损失。本文以电网重要基础设施,主要指枢纽变电站、换流站和高压输电线路为研究对象,在分析各类电网突发事件作用机理的基础上,重点研究其物理脆弱性的构成,构建了脆弱性评估框架体系,提出科学有效的评估方法,为采取有效降低电网重要基础设施脆弱性的对策措施提供科学依据。首先,在研究电网重要基础设施脆弱性定义和内涵的基础上,分析了电网重要基础设施突发事件的作用机理,明确了电网重要基础设施脆弱性的构成及致灾因子影响要素。以枢纽变电站、换流站和高压输电线路(含杆塔)为脆弱性评估的基本单元,以主要设备设施为基本评估对象,构建了基于压力(P)、状态(S)、响应(R)为基础指标的PSR脆弱性评估模型。基于PSR模型的叁个维度提取了脆弱性评估指标,并运用粗糙集法进行约简,形成脆弱性评估指标体系。借鉴其它领域比较成熟的评估方法,进一步研究提出了电网重要基础设施脆弱度指数的计算方法与等级划分标准和依据。其次,在PSR脆弱性评估模型构建基础之上,应用叁角图法对枢纽变电站、换流站及高压输电线路(含杆塔)等评估单元进行了脆弱性分类研究,重点以上海500kV“杨行.杨高”输电线路为样本进行了实例验证,计算分析了该输电线路“5109”一段所包含的71个线段的脆弱性类型,从而为更加有针对性的提出改进措施提供科学依据：运用DEA数据包络分析法,以上海市500kV泗泾变电站、500kV黄渡变电站等9座500kV变电站为样本进行脆弱性指数测度实证研究,应用DEA优化模型进行了样本变电站的脆弱性指数测度分析,验证了模型的有效性并给出了脆弱性测度排序的结论及合理解释。最后,综合运用本文研究成果,结合国家电网公司脆弱性评估管理工作的实际需求,在国家电网公司SoTower系统开发平台之上,开发了电网重要基础设施脆弱性评估及预警系统,形成了由脆弱度评估、数据统计分析、预警管理及基础信息管理等几大功能模块组成的评估管理系统,实现了各级电力公司开展脆弱性自我评估及专家评估工作的功能,并可对采集的数据进行有效分析,依据既定的阈值进行不同程度的脆弱性风险预警,从而及时有效的甄别电网重要基础设施运行中的薄弱环节,并采取有针对性的安全与应急预控措施,有效预防电网突发事件的发生,全面提升电网安全管理水平。
参考文献：
[1]. 粗糙集理论在电力系统中应用研究初探[D]. 孙向飞. 昆明理工大学. 2003
[2]. 基于知识发现的电力需求复合预测研究[D]. 李春祥. 华北电力大学（河北）. 2009
[3]. 数据挖掘方法在短期负荷预测中的应用研究[D]. 王志勇. 浙江大学. 2007
[4]. 基于粗糙集理论的变压器故障综合诊断方法的研究[D]. 苏蓬. 华北电力大学（河北）. 2008
[5]. 电网技术第28卷(2004)文章作者姓名检索表[J]. 佚名. 电网技术. 2004
[6]. 融合支持向量机的水电机组混合智能故障诊断研究[D]. 张孝远. 华中科技大学. 2012
[7]. 粗糙集理论在银行数据分析中的利用[D]. 熊新惠. 安徽大学. 2005
[8]. 《电力系统自动化》2004年索引(第28卷第1~24期)总目次[J]. 佚名. 电力系统自动化. 2004
[9]. 上海电网重要基础设施脆弱性评估研究[D]. 门永生. 北京科技大学. 2015
标签：电力工业论文; 粗糙集论文; 故障诊断论文; 大数据论文; 电力系统及其自动化论文; 预测模型论文; 负荷预测论文; 电力论文; 负荷曲线论文; 能源论文; 变压器论文;