智能電網(wǎng)最新文章

基于特征選擇和優(yōu)化CNN-BiLSTM-Attention對(duì)SF6斷路器漏氣故障診斷

SF6(六氟化硫)斷路器是保障電網(wǎng)穩(wěn)定運(yùn)行的重要設(shè)備,但其在長(zhǎng)期使用中容易發(fā)生漏氣問(wèn)題,既影響設(shè)備性能,又威脅電網(wǎng)的安全性。為精準(zhǔn)診斷SF6斷路器的漏氣故障,提出了一種基于Gini指數(shù)特征選擇和貝葉斯優(yōu)化(Bayesian Optimization, BO)的CNN-BiLSTM-Attention組合模型。首先,針對(duì)影響SF6斷路器漏氣的內(nèi)外部因素,進(jìn)行特征映射與重要性分析,并采用KMeans-SMOTE技術(shù)解決數(shù)據(jù)分布不均的問(wèn)題。其次,利用基于Gini指數(shù)的方法篩選關(guān)鍵特征,并通過(guò)貝葉斯優(yōu)化精調(diào)CNN-BiLSTM-Attention模型的超參數(shù)以提升分類(lèi)性能。實(shí)驗(yàn)結(jié)果表明,設(shè)備缺陷、運(yùn)行年限、運(yùn)維水平、天氣和溫度是導(dǎo)致漏氣的主要因素。與其他模型相比,所提方法在漏氣故障的0/1分類(lèi)任務(wù)中展現(xiàn)出更高的分類(lèi)精度和魯棒性。研究不僅驗(yàn)證了方法的有效性,還揭示了引發(fā)SF6斷路器漏氣的關(guān)鍵因素,為設(shè)備巡檢和運(yùn)維管理提供了科學(xué)支持,進(jìn)一步提升了電網(wǎng)運(yùn)行的安全性與可靠性。

發(fā)表于:6/18/2025

電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目自適應(yīng)檢索方法研究

針對(duì)電力系統(tǒng)數(shù)據(jù)具有復(fù)雜性、多樣性特點(diǎn),導(dǎo)致檢索難度過(guò)高的問(wèn)題,設(shè)計(jì)了電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目自適應(yīng)檢索方法。依據(jù)電力系統(tǒng)出力變化率,選取二分量一維混合高斯模型,構(gòu)建電力系統(tǒng)波動(dòng)概率分布模型。對(duì)比概率分布模型模擬的電力系統(tǒng)波動(dòng)數(shù)據(jù)與量測(cè)數(shù)據(jù),依據(jù)判定閾值辨識(shí)電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目,構(gòu)建數(shù)據(jù)條目檢索庫(kù)。利用哈希函數(shù)獲取檢索庫(kù)內(nèi)較大波動(dòng)數(shù)據(jù)條目的哈希特征,生成二值碼。較大波動(dòng)數(shù)據(jù)條目檢索時(shí),生成用戶檢索詞的二值編碼,計(jì)算檢索詞二值碼與檢索庫(kù)內(nèi)條目二值碼的漢明距離,并對(duì)其加權(quán)處理,利用加權(quán)漢明距離排序數(shù)據(jù)條目,獲取較大波動(dòng)數(shù)據(jù)條目的自適應(yīng)檢索結(jié)果。實(shí)驗(yàn)結(jié)果表明,該方法能夠依據(jù)用戶輸入的檢索詞,自適應(yīng)檢索電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目,檢索結(jié)果的歸一化折損累積增益均高于0.9,檢索時(shí)間低于500 ms。

發(fā)表于:6/18/2025