基于遗传算法的输电线路覆冰灾害应急响应物资储备决策优化模型

为研究在输电线路覆冰情况下如何合理有效地储备应急物资,基于遗传算法最优决策理论,提出了1种输电线路覆冰灾害下应急响应物资储备模型。根据覆冰灾害的预测情况,计算出每月应急物资的需求量,以每月的采购量为决策变量,以最小储存成本为目标,得出最优储备方案,同时用动态规划对此模型进行求解,对2种寻优方法结果进行对比。以云南某供电局的冬季应急物资储备为例验证模型的有效性,其结果有助于提高电网部门应对冰冻灾害的能力和经济效益。     

基于改进逻辑回归的电网覆冰故障预测研究

电网覆冰由于湿度、温度、海拔等因素可形成不同的覆冰类型，电网系统故障水平会根据覆冰类型的差异而变化。传统的电网覆冰故障预测多聚焦于覆冰厚度与电网故障的内在联系，忽略了覆冰类型对电网故障的影响作用。为解决这一问题，提出了一种改进的逻辑回归多分类算法，通过将拟合出的回归函数值输入Softmax函数转换为多概率形式实现对覆冰类型的分类，根据数据有无覆冰类型的划分，分别在不同的机器学习算法下对电网覆冰故障进行预测比较。经试验，采用改进逻辑回归算法预测覆冰类型的准确率达88%,电网故障预测的准确率较无覆冰类型下的预测在改进逻辑回归算法、朴素贝叶斯算法(Na6ve Bayes, NB)、K近邻、支持向量机算法(Support Vector Machine, SVM)中分别平均提高了5.3%、21.7%、7%、5.3%,研究表明，改进的逻辑回归算法可以准确预测电网的覆冰类型，提升电网故障预测的准确率。     

基于HHT方法的矿井瓦斯体积分数预测

为有效分析煤矿瓦斯监测数据以实现较准确的瓦斯浓度预测,研究应用希尔伯特-黄变换(HHT)方法进行瓦斯浓度时间序列分析与预测的方法。应用经验模态分解(EMD)方法将瓦斯浓度时间序列分解成不同频率的固有模态函数(IMF)分量的叠加,以获取瓦斯浓度时间序列的瞬时特征;通过Hilbert变换求得各IMF分量的瞬时频率,依据各IMF分量瞬时频率的均值将分解得到的IMF划分成较高频和低频2类新的分量,选取适合于各分量特征的预测模型分别进行预测,以消除局部随机性对预测精度的影响,结合自回归(AR)、径向基函数(RBF)神经网络和支持向量机(SVM)3种预测模型实现瓦斯浓度预测。实例分析表明:应用该方法所得预测结果比较准确,降低了预测复杂度,提高了预测精度。     

安全预测的EEMD-PSR-Elman建模方法及应用

为分析安全预测中时间序列的非平稳特性并提高预测精度,提出基于集合经验模态分解(EEMD)、相空间重构(PSR)及神经网络的预测建模方法。首先应用EEMD方法将时间序列分解成若干具有不同周期性或趋势性的分量,通过C-C方法计算各分量的最佳嵌入维数和延迟时间;然后分别进行相空间重构;再应用Elman神经网络对各分量进行训练并建立预测模型;最后将各分量预测结果叠加得到最终预测值。用该方法分析反映煤矿安全生产的关键性指标——煤炭生产百万吨死亡率。结果得到具有长期趋势性和周期性波动的5个分量,预测相对误差为-0.11%~0.20%;外推预测表明,中国煤炭生产百万吨死亡率将保持持续下降趋势,至2020年将下降到0.05以下。     

基于VMD-LSSVR的河水水质预测方法

为了更好地掌握河水水质的变化规律,提出了一种基于变分模态分解(VMD)和最小二乘支持向量回归(LSSVR)的组合水质预测方法。通过VMD将水质指标分解成一系列有限带宽的模态分量以降低其非平稳性,然后对各分量分别建立LSSVR预测模型,并利用Pearson相关分析确定各分量输入变量,最后将各分量预测结果进行整合得到最终的水质指标预测值。以长江朱沱监测断面的高锰酸钾指数(CODMn)进行模型性能验证。结果表明,与其他现有模型相比,该方法具有更高的预测精度,为河水水质污染预控提供了有效技术支持。     

高压输电线路舞动及防舞措施

正高压输电线路在覆冰雪、大风天气下已发生舞动,输电线路舞动将损伤导线,引起线路跳闸,在跨越平原开阔地带高压输电线路舞动现象多有发生,影响电力安全运行,造成重大经济损失。分析舞动的产生原因和影响因素,提出高压输电线路的防舞措施。     

高海拔400 kV绝缘子覆冰特点及污秽闪络试验研究

污秽、覆冰、高海拔的影响会降低绝缘子的外绝缘性能,绝缘子发生覆冰闪络事故,会对线路安全运行造成威胁。为了研究污秽、覆冰、高海拔综合作用下超高压绝缘子串冰闪特性,在贵州高海拔自然试验场,对4组7片绝缘子进行了自然覆冰污秽闪络试验。研究结果表明,绝缘子自然覆冰具有迎风面伞裙覆冰先于背风面伞裙的特点,并且在融冰阶段覆冰绝缘子的绝缘性能与覆冰阶段中相比有较为明显的下降。     

回采工作面瓦斯涌出量VMD-DE-RVM区间预测方法

为有效、准确地预测回采工作面绝对瓦斯涌出量,基于变分模态分解(VMD)方法;差分进化(DE)算法和相关向量机(RVM)原理,提出回采工作面绝对瓦斯涌出量的VMD-DE-RVM区间预测方法;通过VMD方法将绝对瓦斯涌出量分解为若干固有模态分量并分析其局部特征,分别建立每个固有模态分量的RVM预测模型,并通过DE算法优化模型参数以提高预测精度;加权叠加各个分量的预测结果得到绝对瓦斯涌出量预测结果,并将其与经验模态分解方法所得结果对比。结果表明:应用该方法预测回采工作面瓦斯涌出量,能弱化瓦斯涌出量的局部特征,得到置信度为95%时涌出量预测区间有效度为100%,平均绝对误差为0. 096 m3/min,平均相对误差为2. 43%,预测精度有所提高。     

基于三角图法的输电线路物理脆弱性评估及分类

输电线路在自然灾害或人为破坏等外力干扰下,易受损坏或发生故障,致使电力系统全部或部分功能丧失。将输电线路物理脆弱性定位于"功能失效",从人与环境对输电线路造成的压力、输电线路自身状态及功能失效后的响应等方面进行分析,构建输电线路物理脆弱性评估指标体系;借鉴已有评估方法,提出基于压力指数、状态指数和响应指数的评估模型;应用三角图法对输电线路进行物理脆弱性评估和分类,分析影响输电线路物理脆弱性的主要因素。以某500 k V输电线路为例进行实例分析,结果表明影响该输电线路脆弱性关键因素为压力和响应。     

基于蒙特卡罗模拟的冻雨条件下供电中断风险评价

为减少冻雨造成的危害和损失,提高应对能力,利用蒙特卡罗模拟方法给出了供电中断风险评价的定量方法.首先根据冻雨条件下覆冰在输电线路上的增长模型以及输电线路的设计标准得到蒙特卡罗极限方程,然后利用不同的随机抽样方法得到随机数,再代入蒙特卡罗极限方程,多次模拟后得到冻雨条件下供电中断风险评价的定量结果.将该定量方法应用于湖南省长沙市,得出当地冻雨灾害导致供电中断后果的概率为0.079 8.研究表明,定量方法有效地得出了冻雨条件下供电中断的风险值,可以为风险管理和决策系统提供支持.     

考虑冰风载荷影响的输电线路运行风险评估方法*

为预防在极端冰灾环境下大规模停电事故的发生，提出1种考虑冰风载荷的输电线路运行风险评估方法。在极端冰风环境下，计算输电线路与杆塔所承受的总载荷，利用强度与应力干涉模型确定输电线路与杆塔的故障率，同时结合串联可靠性原理确定线路故障综合概率；利用非贯序蒙特卡洛法与线路故障综合概率设置预想故障集，结合直流潮流优化模型计算每条线路的失负荷量；综合考虑负荷等级与抢修恢复时间，确定线路失负荷的经济价值并定义为故障后果；将故障后果与线路故障综合概率的乘积定义为输电线路风险评估指标。以实际拓扑结构修正的IEEE30节点开展算例分析。结果表明:所提方法可对输电线路运行风险进行有效评估。     

基于GASA-BP神经网络的煤层瓦斯含量预测方法研究*

为提高煤层瓦斯含量预测的精准度和效率,提出1种利用遗传算法（GA）和模拟退火算法(SA)混合初始化BP神经网络（BPNN）的瓦斯含量预测新模型（GASA-BPNN模型）。利用灰色关联分析法（GRA）筛选瓦斯含量主控因素并作为GASA-BPNN预测模型的输入。为解决BPNN收敛速度慢和易陷入局部极小陷阱的问题,将GA和具有时变概率突跳性的SA整合为GASA算法协同初始化BPNN的权值和阈值,有效地提高BPNN的参数学习能力。将该模型应用于煤炭生产现场,结果表明:BPNN模型、GA-BPNN模型和GASA-BPNN模型瓦斯含量预测总平均相对误差分别为15.79%,9.03%,5.56%。相比BPNN模型和GA-BPNN模型,GASA-BPNN模型对样本的泛化能力更强,参数训练速度最快并且预测精准度最高。     

基于粒子群优化的DGM（1,1）模型在基坑变形安全预测中的研究

为确保基坑施工期间发生变形后能够正常使用,将变权缓冲算子结合DGM(1,1)模型构造出变权离散灰色模型,利用相对误差、后验差比,灰色绝对关联度3种精度检验法作为粒子群算法适应度建立模型,构造PSO-VWDGM(1,1)模型,并结合实际工程监测数据研究不同适应度对基坑变形预测精度的影响。研究结果表明:不同适应度函数对预测精度存在较大影响,以灰色绝对关联度作为适应度建立模型预测精度较高,可以更好应用在工程中。研究成果可为工程施工阶段的基坑变形预测、稳定性分析与灾害评估、预警提供参考。     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

基于IIAHP-Entropy-ssd的采空区遗煤自燃危险性评价模型及应用

为了能够对煤矿采空区遗煤自燃危险性进行准确判定，提出基于IIAHP-Entropy-ssd最优综合赋权模糊评价模型。首先，结合影响采空区遗煤的自燃性及环境影响因素，建立危险性评价指标体系，并确定各评价指标的分级准则；其次，利用区间数代替数值评价打分，并运用可能度互补矩阵进行修正的改进区间数层次分析法（IIAHP），结合熵权法（Entropy），根据现场实测数据，得出各评价指标的主、客观权重，并运用离差平方和（ssd）的最大化思想进行最优综合赋权，克服评价过程中主、客观因素对评价结果的影响，运用属性数学理论，建立各评价指标的隶属函数；最后，运用该模型对忻州窑矿8914综放工作面采空区遗煤自燃危险性进行评价，并与现场实际情况进行对比，结果表明:该模型的评价结果与实际情况基本一致，验证了该评价模型的准确性，为采空区遗煤自燃危险性评价提供参考和借鉴思路。     

基于电网防台抗台系统的应急主题数据仓库分析与设计

为解决电网防台抗台过程中缺少应急辅助支持的问题，提出基于现有电网防台抗台系统中的业务数据，采用星型结构分析与设计“台风气象灾情”、“电网因灾（台风）损失”、“电网因灾（台风）应急资源投入”等应急主题数据仓库，充分利用、开发相关的数据探查与ETL工具实现相关的数据集成，构建相关应急主题下的多维数据模型，并开展联机分析处理（OLAP）研究工作，为相关企业和部门开展电网应急管理工作提供应急辅助支持。     

基于GM-SVR的小样本条件下化工设备可靠性预测

为了准确预测化工设备可靠性趋势，针对化工设备失效寿命数据为小样本的情形，基于灰色估计法与支持向量回归机在小样本数据处理中的优势，建立了失效寿命时间服从三参数威布尔分布的化工设备可靠性模型；结合GM（1，1）和SVR对模型进行参数估计，在压缩机可靠性分析中进行了实例应用，对比分析了最小二乘法、灰色估计法和GM-SVR的估计效果。研究结果表明:GM-SVR对威布尔分布参数的估计精度明显优于最小二乘法和灰色估计法，可以有效地应用于化工设备失效数据为小样本时的可靠性预测。     

水平井钻磨管柱油管组合方式研究及下入安全性分析

基于钻磨管柱下入过程易造成遇卡事故,油田采用了2种线重油管的组合方式进行钻磨作业,提高了管柱的下入能力,但未能得到2种线重油管组合方式优选的可靠依据。为得到2种线重油管的最优组合方式,采用微元法对管柱单元在各井段的受力进行分析,建立钻磨管柱的下入载荷计算模型;采用编程对油田水平井进行实例计算,计算结果与实测结果对比显示模型平均误差在8.12%左右,验证了模型的正确性;基于下入载荷计算模型,进行了钻磨管柱组合特性研究及参数敏感性分析。结果表明:采用2种线重油管的组合方式能增大钻磨管柱下入能力,当大线重油管所占整个钻磨管柱的长度为井斜角70.8°左右的井深时,组合比例最优,不同的摩擦系数μ决定不同最优组合比例。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

SFLA-Verhulst组合模型预测矿井瓦斯涌出量

针对矿井瓦斯涌出量的时变性、波动性、非线性以及不确定性等特征，提出了SFLA-Verhulst组合预测模型，用于对具有非线性动态特征的瓦斯涌出量进行预测。该模型通过蛙跳算法对Verhulst模型的背景值参数寻优，并引入一次指数平滑法对原始数据进行优化处理，建立了基于混合蛙跳算法的SFLA-Verhulst组合预测模型；结果使模型在原始数据不准确或存在误差干扰的情况下仍能进行精度较高的预测。将新模型应用于某矿瓦斯涌出量预测，并对模型的预测结果进行检验分析，结果表明:该模型在结合蛙跳算法的全局寻优特点后预测精度较传统的GM(1,1)模型有明显的提高，适用性更强。