對電網(wǎng)中架空輸電線路進行準確的狀態(tài)評價可以有效降低故障率,提高系統(tǒng)的供電性能。該文提出一種基于隨機森林算法的架空輸電線路狀態(tài)評價方法。首先,通過對架空輸電線路狀態(tài)的影響因素分析,以線路8個單元選取的狀態(tài)量和特殊情況狀態(tài)量構(gòu)建了包含79個狀態(tài)量的架空輸電線路狀態(tài)量體系。其次,基于隨機森林算法,構(gòu)建了架空輸電線路狀態(tài)評價的多棵子決策樹組合分類模型。然后,通過優(yōu)化決策樹數(shù)目和隨機特征變量,提高隨機森林算法分類性能和計算效率。最后,以某市110 kV電壓等級架空輸電線路實際數(shù)據(jù)進行實例分析。結(jié)果表明,采用該方法可實現(xiàn)架空輸電線路狀態(tài)的準確評價,從而為區(qū)域電網(wǎng)的運行調(diào)控提供決策支持。 

【文章來源】：現(xiàn)代電力. 2020,37(06)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

子決策樹構(gòu)建原理

從某市電網(wǎng)PMS系統(tǒng)中采集架空輸電線路狀態(tài)量評價數(shù)據(jù)7 000余條，其中約95%的架空輸電線路處于正常狀態(tài)，時間跨度5年。對其中110 k V架空輸電線路的相關數(shù)據(jù)進行數(shù)據(jù)清理、數(shù)據(jù)集成后形成架空輸電線路樣本集。樣本集樣本數(shù)為516，包含架空輸電線路所有79個狀態(tài)量的取值和相應評價等級。其中，正常狀態(tài)樣本數(shù)為237，注意狀態(tài)樣本數(shù)為214，異常狀態(tài)樣本數(shù)為45，嚴重狀態(tài)樣本數(shù)為20。3.1 隨機森林參數(shù)優(yōu)化

對m和R的不同取值組合，計算模型Kappa系數(shù)[24]如圖3所示。由圖3可知，在架空輸電線路樣本集條件下，m、R取值不同的情況下隨機森林Kappa系數(shù)均大于0.9，表明模型的分類性能優(yōu)秀，能夠達到以較高準確率評價架空輸電線路的目的。

【參考文獻】：
期刊論文
[1]基于人工智能代理的負荷態(tài)勢感知及調(diào)控方法[J]. 許鵬,孫毅,張健,呂艷霞,李彬,祁兵.  電力系統(tǒng)自動化. 2019(03)
[2]計及抗毀性的輸電線路關鍵性綜合評價[J]. 劉劍,李興源,王成,干華,許立雄.  電力自動化設備. 2018(12)
[3]數(shù)據(jù)驅(qū)動的輸電線路在線監(jiān)測裝置可靠性評估[J]. 李巖,滕云,冷歐陽,苑舜,蔡志遠.  中國電機工程學報. 2018(15)
[4]基于貝葉斯模型的輸電線路運行參量關聯(lián)規(guī)則挖掘及預測方法[J]. 楊越文,侯慧娟,楊祎,陳玉峰,盛戈皞,江秀臣.  電網(wǎng)技術. 2017(11)
[5]基于隨機森林理論的配電變壓器重過載預測[J]. 賀建章,王海波,季知祥,孟祥君,張濤.  電網(wǎng)技術. 2017(08)
[6]基于變權綜合理論和模糊綜合評價的多結(jié)果輸出輸電線路運行狀態(tài)評價方法[J]. 鄒仁華,王毅超,鄧元婧,夏開全.  高電壓技術. 2017(04)
[7]基于卷積神經(jīng)網(wǎng)絡的輸電線路區(qū)內(nèi)外故障判斷及故障選相方法研究[J]. 魏東,龔慶武,來文青,王波,劉棟,喬卉,林剛.  中國電機工程學報. 2016(S1)
[8]基于協(xié)同效應分析的輸電線路脆弱評估方法[J]. 劉利民,劉俊勇,魏震波,龔輝.  電力自動化設備. 2016(05)
[9]基于關聯(lián)規(guī)則和主成分分析的輸電線路狀態(tài)評價關鍵參數(shù)體系構(gòu)建[J]. 嚴英杰,盛戈皞,陳玉峰,郭志紅,杜修明,王奇.  高電壓技術. 2015(07)
[10]基于馬爾可夫鏈模型的輸電線路運行狀態(tài)及其風險評估[J]. 蔣樂,劉俊勇,魏震波,龔輝,雷成,李成鑫.  電力系統(tǒng)自動化. 2015(13)



本文編號：3118902