基于路网协同维护的灾后配电网抢修优化研究*

为探究灾后配电网应急抢修工作中损坏路网维护的协同效应,基于以往灾后配电网的单独抢修模型研究,提出路网-配电网协同抢修模型,并采用Benders算法对云南某地配电网案例进行分析。研究结果表明:极端灾害背景下,配电网的恢复时间受到损坏路网的维护力量影响,随着路网的维护力量提高,配电网的恢复时间先逐渐减小后趋于不变。对于灾后配电网的应急抢修工作,除非路网受灾后完好无损,否则考虑路网的维护协同是必要的。研究结果可为灾后配电网维修与路网维护的协同优化工作提供参考和借鉴。     

基于WBS-RBS的突发事件应急资源需求匹配研究

针对突发事件的应急处置具有“情景依赖”这一特性,“情景-应对”方式可作为突发事件应急处置的首选指导方法,而应急资源作为应急处置的核心资源之一,其供给与需求的一致性是提高应急救援效率的关键因素,因此,提供符合灾害需求的应急资源配置,对于提升应急管理水平和应急救援效率具有重要意义。将项目管理理论中的工作分解结构（WBS）、资源分解结构（RBS）思想,融入突发事件应急处置中,将突发事件情景依据WBS分解成若干个由独立救援任务构成的集合,再针对具体的救援任务需求,提供相应的装备物资,构建基于WBS-RBS的突发事件应急资源需求匹配矩阵,进而为突发事件整体应急管理水平的提高,提供有益的参考和借鉴。     

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。