基于改进差分进化算法优化极限学习机的短期负荷预测

负荷预测的精度直接关系到电网的供需平衡,影响着电网运营成本。针对传统预测方法精度不高的缺点,提出了一种改进的差分进化算法优化极限学习机的预测模型。由于极限学习机的输入权值和隐含层偏置对预测精度有很大影响,因而利用改进差分进化算法对极限学习机参数进行优化,提高了极限学习机的泛化能力和预测精度。研究结果表明:改进差分进化算法优化极限学习机对短期负荷预测精度有较高提升。     

基于机器学习的不可移动文物暴雨灾害风险评估——以山西省为例

以山西省为例,将不可移动文物作为灾害的影响对象,通过分析暴雨灾害对其的影响因素构建指标体系,通过文物损毁情况划分风险并作为输出数据,将山西省6 325处受灾不可移动文物按照6∶2∶2划分训练集、验证集和测试集,分别使用随机森林模型、支持向量机模型(support vector machine, SVM)、逻辑回归模型进行训练和验证,选取出最优模型,并对山西不可移动文物进行不同重现期暴雨下的风险预测。研究结果表明：基于机器学习的不可移动文物暴雨风险评估方法是可行且结果较为优异的;在3种模型中,随机森林的验证集准确率最高,为95.75%,测试集精度为94.70%;在山西省5、20、50 a重现期暴雨下的不可移动文物风险均呈现出北方低、南方高的态势,且在5 a重现期下高风险文物占比最多,高风险文物以古建筑和古遗址为主。     

集抄系统电表变更识别和故障诊断研究综述

针对由于用户电表及设备档案变更、损坏、通信故障等因素导致集抄系统数据采集成功率和质量出现的问题,对集抄系统路由方法和集抄系统故障诊断方法的新进展进行综述。研究结果表明:(1)利用电力线载波路由算法并构建新的网络结构模型,将复杂的电力线通信网络拓扑转化成简单清晰的网络拓扑,解决集抄系统电表更换识别问题;(2)将数据挖掘技术和专家系统相结合,开发基于数据挖掘的故障诊断专家系统,使集抄系统故障诊断智能化,提高数据采集的质量;是未来需要进一步研究的课题。     

基于大数据挖掘的山区公路沿线滑坡易发性小区划

本文目的是基于滑坡灾害因子地理空间数据、历史滑坡大数据分析,构建山区公路沿线滑坡易发性精细化评价的逻辑回归模型。选取高程、坡度、坡向、坡位、微地貌、曲率、顺逆向坡、归一化植被指数、岩性、距水系距离、距断层距离、距道路距离、多年平均降雨13个因子作为滑坡易发性影响因子,以30 m精度栅格建立影响因子地理空间数据库。在研究区域441个历史滑坡数据的基础上,将地理空间分划分为滑坡区与非滑坡区,分别随机选取70%的滑坡区域与非滑坡区作为训练数据集,剩下的30%作为验证数据集。通过样本数据集的训练,建立逻辑回归分析模型。利用训练好的逻辑回归模型,对整个研究区滑坡易发性进行仿真预测。结果显示,滑坡极低、低、中、高、极高易发区面积分别占42.24%、18.42%、17.57%、16.37%、5.41%,高、极高易发区与历史滑坡位置吻合度高;训练数据集、验证数据集以及区域仿真的ROC曲线AUC值分别为0.89、0.83、0.87,评价模型具有较高的稳定性与可靠性;新近发生的3个典型滑坡均处于高或极高易发区,模型具有良好的预测功能。     

超高压大型变压器铁心故障诊断的试验研究

为了准确地判断大型变压器铁心故障点的位置,对一起超高压大型主变压器缺陷的诊断试验过程进行了研究。在国内首次将变压器铁心接地电流长时间高采样率的波形分析应用到变压器故障诊断和状态评价中,并综合局部放电、油色谱等试验结果进行故障分析判断。结果表明:变压器铁心接地电流长时间采样能够准确判断设备接地电流型故障。     

基于灰色模型的电力变压器可靠性分析

针对电力变压器可靠性建模精度要求高、但可靠性数据较少这一问题,将电力变压器看做是一个灰色系统,分别利用灰色GM(1,1)模型和无偏灰色GM(1,1)模型建立电力变压器的可靠性分析的数学模型,通过数据拟合得到电力变压器相应的故障率数据,对拟合精度进行检验后发现本文提出的可靠性建模方法精度高、实现快捷,是一种有效可行的电力变压器可靠性研究方法,其分析结果可为制定电力变压器的维护与维修策略以及状态检修工作提供依据。     

一起大型换流变压器潜伏性故障发现与处理

通过对一起利用油中溶解气体分析、调整运行方式、电气试验等手段综合诊断分析换流变压器(以下简称“换流变”)潜伏性过热故障过程分析,并经解体检查确认了故障原因,验证了本次通过油中溶解气体分析和调整运行方式诊断换流变压器潜伏性过热性故障的有效性和可行性,为后续换流变压器的类似潜伏性故障运维检修提供可借鉴的经验。     

基于EWT-FIG和ORELM模型的风速多步区间预测

针对风速预测具有较强的不确定性,提出了一种经验小波变换一模糊信息粒化和变异鲁棒极限学习机组成的短期风速区间预测模型。该模型采用经验小波变换将原始风速分解为若千个模态分量和一个剩余量,并对所有分量进行重构,为了缩小预测区间范围,仅对重构后的剩余量进行模糊粒化,根据需求提取每个窗口的最大值、平均值和最小值,然后对极限学习机进行优化,最后对所有分量建立离群鲁棒极限学习机预测模型,叠加预测值实现风速多步区间预测。实际算例表明:所提多步区间预测方法能有效跟踪风速变化,具有较高的预测精度和可靠的区间预测效果。     

基于BP神经网络和VSM的台风灾害经济损失评估

统计了对广东省造成直接经济损失的台风数据,包括致灾因子、孕灾环境和承灾体等评估因子,对数据进行无量纲化、归一化处理,作为验证模型的数据集。建立BP神经网络和空间向量模型(VSM)相结合的综合评估模型,利用BP神经网络进行初步预测,基于VSM对预测结果进行修正,从而构建台风灾害经济损失评估模型。将收集的历史台风经济损失数据分为训练和测试集,对模型进行训练和检验。经验证,采用BP神经网络和VSM相结合的台风灾害经济损失评估模型能够有效降低训练数据不足对评估结果的影响,平均误差率由30%降低到14%。     

基于奇异谱分析和极限学习机的风速多步预测

风速预测对风力发电系统具有重要的影响,为获得更高精度的风速预测结果,针对多步风速预测,成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先,采用奇异谱分析将风速时间序列分解为一组相对平稳的分量,以降低风速序列的随机性对预测结果的影响;然后,对分解得到的分量分别建立极限学习机预测模型,为进一步提高预测性能,将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置;最后,叠加全部分量的预测值得到实际预测结果。仿真结果表明,基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。     

基于可听声的变压器故障诊断技术综述

针对变压器故障类型判断及故障预警问题,从信号采集、信号消噪、特征量提取、故障诊断4个方面综述了基于可听声的变压器故障诊断技术研究的新进展,对其诊断效果及研究动向进行分析和展望。研究结果表明:该技术在(1)变压器可听声产生机理研究及故障原因与趋势预测;(2)变压器声信号的消噪技术及频谱分析;(3)振动声信号的专家智能分析系统的研究方面具有广阔的发展前景。     

基于SVM⁃RF的泥石流窗口坝闭塞度判别研究∗

为了研究野外泥石流防治工程中窗口坝的开口闭塞类别,基于量纲分析理论,以室内水槽试验模拟实际工程,分析模型试验与实际工程的相关物理量及对应的相似准数;引入支持向量机和随机森林分类模型,在开源机器学习工具Scikit-Learn中,采用python编程实现算法;以室内水槽试验数据作为支持向量机和随机森林的训练样本,进行机器学习得到分类模型,提出一种用于判别泥石流窗口坝闭塞类型的新方法;将测试结果与经验公式中闭塞度判别值F的分类结果进行正确率对比,结果表明,F值的分类准确率为88%,而支持向量机为92%,随机森林为94%,随机森林分类效果最好,机器学习理论为泥石流窗口坝在实践中的设计提供了新思路。     

一起10kV配电变压器短路故障分析

针对某柱上配电变压器的短路故障,通过对配电变压器开展油色谱离线监测及直流电阻、绝缘电阻、变比测试数据的综合分析,并结合设备外观检查,判断出该配电变压器发生绕组变形、a相绕组有1根导线断股或脱焊,且a、b相铁芯与绕组间绝缘降低,最终解体检查验证试验数据理论的正确性,为以后分析配电变压器故障提供经验,并对其运行维护提出建议。     

基于混合分解技术的鲁棒极限学习机的风速预测

提出一种基于混合分解技术的改进鲁棒极限学习机的风速预测模型。混合分解技术的特殊性在于采用变分模态分解,把互补集合经验模式分解所产生的高频固有模态函数进一步分解为多个模态分量,以提高短期风速预测的精度。然后对混合分解技术分解得到的全部风速分量分别建立鲁棒极限学习机模型进行预测,并采用一种改进鲸鱼优化算法对鲁棒极限学习机的参数进行微调。最后,根据西班牙某-风电场实际风速数据进行风速多步短期预测。实验结果表明:基于混合分解技术和改进鲸鱼优化算法优化鲁棒极限学习机的组合预测模型在风速预测.中取得较好的预测效果。     

一起换流变阀侧套管升高座重瓦斯动作原因分析

在已经投入运行的换流站中,换流变压器的非电气量保护在换流变压器保护中占有重要地位。通过介绍某±660 kV换流站换流变压器阀侧套管升高座重瓦斯保护动作的经过,利用现场收集的换流变非电量保护及保护暂态故障录波对故障进行分析,同时对一、二次设备进行事故后的检查和试验,得出此次故障的主因是瓦斯继电器行程较小引起的误动,并提出了相应的预防和改善措施。     

基于逻辑回归的地震滑坡易发性评价 ——以汶川地震、鲁甸地震为例

准确评估地震诱发的滑坡风险,并及时绘制滑坡易发风险图是灾害应急救援的科学前提和理论基础.目前机器学习在滑坡敏感性评估中具有广泛应用,但大多数研究缺乏对模型的普适性探讨,且该类预测模型缺乏定量评价地震动参数对模型精度的影响.该文以2008年5月12日的汶川8级地震和2014年8月3日的鲁甸6.5级地震为例,先通过相关系数...     

某110kV主变跳闸原因分析及防范措施

介绍了一起某110 kV变电站2号主变跳闸故障,结合现场检查、电气试验及故障录波情况,综合分析2号主变的故障原因,提出了该类型的故障处理方法及防范措施。