数据驱动的电力设备状态预测及检修决策方法研究
发布时间：2022-11-03 22:26
状态检修可以提高设备的利用率,还可以减少检修费用,提高了电网运行的经济性和安全性。采用数据分析方法可以充分合理地挖掘可能影响电力设备状态的多种有效信息进行设备状态精细化评价,有着广阔的应用前景。目前应用的设备状态预测模型应用单一或少量状态变量进行数据分析和状态判别,且大部分限制在于阈值诊断的类别内,未能够充分利用设备与电网运行大量状态信息之间蕴含的内在规律和关联关系进行综合分析。将设备的多个参数之间的关联规则引入可以显著提高状态预测和故障诊断的精确度。本文将概率图模型引入对设备状态进行关联规则挖掘提出一种新的关联规则挖掘算法,该算法首先利用Apriori算法找出所有的频繁二项集,然后利用概率图模型找出所有关联规则。该方法利用概率图分析关联规则,避免了搜索各阶频繁项集都需要循环扫描所有数据项。结果表明利用该关联规则可以使基于径向基神经网络的状态预测结果准确度更高。如何在设备状态预测信息基础上而做出检修决策,确保设备可靠性的同时提高经济性,其决策在很大程度上还是依赖决策者的经验积累,缺少定量的辅助决策方法。电力设备的老化属于随机过程的一种,因此在检修策略制定中,应用随机过程理论考虑设备状态...
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 课题国内外研究现状
1.2.1 设备状态预测方法
1.2.2 设备的马尔可夫模型表示
1.3 论文主要内容
第二章 基于概率图模型的关联规则挖掘算法
2.1 关联规则挖掘
2.1.1 关联规则挖掘的基本概念
2.1.2 Apriori算法
2.2 基于概率图模型的关联规则挖掘算法
2.2.1 概率图模型
2.2.2 算法内容
2.3 仿真验证
2.4 本章小结
第三章 基于关联规则挖掘的电力设备状态预测
3.1 基于径向基神经网络的状态预测
3.1.1 RBF网络结构
3.1.2 数据预处理与RBF网络参数选取
3.2 基于关联规则和RBF神经网络的状态预测
3.3 实测数据验证
3.3.1 设备状态关联规则挖掘
3.3.2 关联规则挖掘结果用于状态预测
3.4 本章小结
第四章 基于马尔可夫决策过程的电力设备最佳检修决策
4.1 基础理论
4.1.1 马尔可夫过程
4.1.2 马尔可夫决策过程
4.1.3 最优决策的求解
4.2 基于马尔可夫过程的电力设备检修模型
4.2.1 检修模型状态划分
4.2.2 各类检修模型
4.2.3 CBM和 IBM模型
4.3 实测数据验证
4.3.1 模型数据
4.3.2 电力设备稳态概率的求解
4.3.3 求解电力设备的检修决策模型
4.4 结果分析
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间已发表或录用的论文
致谢
【参考文献】：
期刊论文
[1]基于马尔可夫链模型的输电线路运行状态及其风险评估[J]. 蒋乐,刘俊勇,魏震波,龚辉,雷成,李成鑫. 电力系统自动化. 2015(13)
[2]基于小波变换的风电场短期风速组合预测[J]. 田中大,李树江,王艳红,高宪文. 电工技术学报. 2015(09)
[3]基于大数据分析的输变电设备状态数据异常检测方法[J]. 严英杰,盛戈皞,陈玉峰,江秀臣,郭志红,杜修明. 中国电机工程学报. 2015(01)
[4]面向智能电网应用的电力大数据关键技术[J]. 彭小圣,邓迪元,程时杰,文劲宇,李朝晖,牛林. 中国电机工程学报. 2015(03)
[5]基于D-S证据理论的输变电设备状态检修多目标群决策[J]. 敖蕾蕾,王慧芳,张弛,李一泉,何奔腾. 电网技术. 2014(06)
[6]一种基于多层人工神经网络的感知频谱预测策略[J]. 庞博,谢卓辰,马陆,刘会杰. 遥测遥控. 2014(01)
[7]基于样本熵和极端学习机的超短期风电功率组合预测模型[J]. 张学清,梁军,张熙,张峰,张利,徐兵. 中国电机工程学报. 2013(25)
[8]一种适用于状态检修的电力设备时变停运模型[J]. 汲国强,吴文传,张伯明,刘顺桂,江伟. 中国电机工程学报. 2013(25)
[9]一种基于概率图模型的关联规则更新方法[J]. 蔡鹏飞,岳昆,李雪,刘惟一. 云南大学学报(自然科学版). 2013(02)
[10]一种基于小波分析和Elman动态神经网络的中长期电力负荷预测方法[J]. 赵智勇,黄伟,尉扬. 山西电力. 2013(01)
硕士论文
[1]变电站电气设备状态检修系统的研究与开发[D]. 吕国锴.山东大学 2014
[2]基于马尔科夫过程的电力设备检修优化决策[D]. 姜学蕾.山东大学 2013
[3]基于模糊神经网络的信息融合在配电网故障诊断中的应用[D]. 王俊芳.重庆大学 2013
[4]风速预测的研究与应用[D]. 王晓称.华北电力大学 2012
本文编号：3700739
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 课题国内外研究现状
1.2.1 设备状态预测方法
1.2.2 设备的马尔可夫模型表示
1.3 论文主要内容
第二章 基于概率图模型的关联规则挖掘算法
2.1 关联规则挖掘
2.1.1 关联规则挖掘的基本概念
2.1.2 Apriori算法
2.2 基于概率图模型的关联规则挖掘算法
2.2.1 概率图模型
2.2.2 算法内容
2.3 仿真验证
2.4 本章小结
第三章 基于关联规则挖掘的电力设备状态预测
3.1 基于径向基神经网络的状态预测
3.1.1 RBF网络结构
3.1.2 数据预处理与RBF网络参数选取
3.2 基于关联规则和RBF神经网络的状态预测
3.3 实测数据验证
3.3.1 设备状态关联规则挖掘
3.3.2 关联规则挖掘结果用于状态预测
3.4 本章小结
第四章 基于马尔可夫决策过程的电力设备最佳检修决策
4.1 基础理论
4.1.1 马尔可夫过程
4.1.2 马尔可夫决策过程
4.1.3 最优决策的求解
4.2 基于马尔可夫过程的电力设备检修模型
4.2.1 检修模型状态划分
4.2.2 各类检修模型
4.2.3 CBM和 IBM模型
4.3 实测数据验证
4.3.1 模型数据
4.3.2 电力设备稳态概率的求解
4.3.3 求解电力设备的检修决策模型
4.4 结果分析
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间已发表或录用的论文
致谢
【参考文献】：
期刊论文
[1]基于马尔可夫链模型的输电线路运行状态及其风险评估[J]. 蒋乐,刘俊勇,魏震波,龚辉,雷成,李成鑫. 电力系统自动化. 2015(13)
[2]基于小波变换的风电场短期风速组合预测[J]. 田中大,李树江,王艳红,高宪文. 电工技术学报. 2015(09)
[3]基于大数据分析的输变电设备状态数据异常检测方法[J]. 严英杰,盛戈皞,陈玉峰,江秀臣,郭志红,杜修明. 中国电机工程学报. 2015(01)
[4]面向智能电网应用的电力大数据关键技术[J]. 彭小圣,邓迪元,程时杰,文劲宇,李朝晖,牛林. 中国电机工程学报. 2015(03)
[5]基于D-S证据理论的输变电设备状态检修多目标群决策[J]. 敖蕾蕾,王慧芳,张弛,李一泉,何奔腾. 电网技术. 2014(06)
[6]一种基于多层人工神经网络的感知频谱预测策略[J]. 庞博,谢卓辰,马陆,刘会杰. 遥测遥控. 2014(01)
[7]基于样本熵和极端学习机的超短期风电功率组合预测模型[J]. 张学清,梁军,张熙,张峰,张利,徐兵. 中国电机工程学报. 2013(25)
[8]一种适用于状态检修的电力设备时变停运模型[J]. 汲国强,吴文传,张伯明,刘顺桂,江伟. 中国电机工程学报. 2013(25)
[9]一种基于概率图模型的关联规则更新方法[J]. 蔡鹏飞,岳昆,李雪,刘惟一. 云南大学学报(自然科学版). 2013(02)
[10]一种基于小波分析和Elman动态神经网络的中长期电力负荷预测方法[J]. 赵智勇,黄伟,尉扬. 山西电力. 2013(01)
硕士论文
[1]变电站电气设备状态检修系统的研究与开发[D]. 吕国锴.山东大学 2014
[2]基于马尔科夫过程的电力设备检修优化决策[D]. 姜学蕾.山东大学 2013
[3]基于模糊神经网络的信息融合在配电网故障诊断中的应用[D]. 王俊芳.重庆大学 2013
[4]风速预测的研究与应用[D]. 王晓称.华北电力大学 2012
本文编号：3700739
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3700739.html
