【摘要】：隨著全球持續(xù)低溫、雨雪、冰凍、霧霾等災(zāi)害性天氣頻發(fā),惡劣氣候?qū)е碌碾娋W(wǎng)災(zāi)害不斷加劇,電力線路覆冰造成的危害越來越嚴重,輕則引起閃絡(luò)跳閘,重則導(dǎo)致金具損壞、斷線倒桿、倒塔等嚴重事故,冰凍災(zāi)害問題已經(jīng)成為許多國家的電網(wǎng)共同面臨的難題,其中美國、加拿大、俄羅斯、法國、日本等國家都曾發(fā)生過嚴重的冰雪事故。作為受極端天氣災(zāi)害影響比較嚴重的國家之一,我國受到氣候和微氣象、微地形條件的影響較大,電網(wǎng)冰凍災(zāi)害頻繁發(fā)生,對電力線路的安全運行構(gòu)成嚴重威脅,給社會造成了巨大的經(jīng)濟損失。尤其是2008年初,冰凍天氣給我國電網(wǎng)系統(tǒng)造成了大范圍的破壞,湖南、江西、浙江、安徽、湖北等地的電網(wǎng)發(fā)生倒塔、斷線、舞動、覆冰閃絡(luò)等多種災(zāi)害。此次冰災(zāi)持續(xù)時間長、影響范圍廣、覆冰強度大,電網(wǎng)設(shè)施遭到損害的程度也達到了歷史之最。隨著電網(wǎng)在線監(jiān)測技術(shù)的發(fā)展,輸電線路覆冰數(shù)據(jù)種類越來越越多,各種各樣的異構(gòu)大數(shù)據(jù)不斷增長,傳統(tǒng)數(shù)據(jù)分析方法與模型已不能滿足日益增長的覆冰數(shù)據(jù)需求。因此,采用大數(shù)據(jù)分析工具與處理平臺對大規(guī)模異構(gòu)性覆冰數(shù)據(jù)進行分析,研究輸電線路的覆冰增長規(guī)律,構(gòu)建有效地覆冰預(yù)測模型與覆冰風險管理方法,對于提前預(yù)防區(qū)域電網(wǎng)冰凍災(zāi)害、保障電網(wǎng)安全穩(wěn)定運行具有十分重要的科學(xué)意義和應(yīng)用前景。本文針對輸電線路覆冰問題,從研究線路覆冰產(chǎn)生機理出發(fā),對導(dǎo)線覆冰影響因素進行了識別,在建立基于Spark大數(shù)據(jù)平臺的覆冰數(shù)據(jù)預(yù)處理模型基礎(chǔ)上,構(gòu)建了輸電線路覆冰影響因素量化分析模型。以覆冰影響因素識別與量化為依據(jù),結(jié)合Spark處理平臺分別建立了輸電線路覆冰預(yù)測模型和覆冰狀態(tài)風險智能評估模型,并因此構(gòu)建了區(qū)域電網(wǎng)覆冰災(zāi)害風險管理體系,進行了多個實證研究。本文主要研究成果和創(chuàng)新如下:(1)對輸電線路覆冰影響因素的識別和量化分析進行研究,建立了輸電線路覆冰影響因素庫和基于Spark大數(shù)據(jù)平臺的無限深度卷積神經(jīng)網(wǎng)絡(luò)的影響因素綜合量化模型。分別從氣象因素、環(huán)境因素和線路參數(shù)三個方面展開影響因素識別的研究,并在此基礎(chǔ)上,對影響因素的深度性、關(guān)聯(lián)性和層次性三個方面進行了建模和量化。在方法選擇上,采用影響深度系數(shù)實現(xiàn)因素深度性分析,采用Person相關(guān)系數(shù)模型和灰色關(guān)聯(lián)度方法則對影響因素的關(guān)聯(lián)性進行分析,采用網(wǎng)絡(luò)層次分析模型則對影響因素的層次性權(quán)重進行量化,通過對三個方面的加權(quán)平均形成了影響因素綜合量化系數(shù)。進一步,構(gòu)建了基于無限深度卷積神經(jīng)網(wǎng)絡(luò)(IDNN)的輸電線路覆冰影響因素綜合量化模型,通過Spark大數(shù)據(jù)平臺設(shè)置和運行,實現(xiàn)覆冰大數(shù)據(jù)的并行化處理、訓(xùn)練和學(xué)習,從而對影響因素進行綜合量化分析。通過實例測算,驗證了覆冰影響因素綜合量化模型的有效性和可行性。(2)對輸電線路覆冰智能預(yù)測模型進行研究,在Spark大數(shù)據(jù)運行平臺上建立了基于離散小波不一致率特征提取和改進煙花算法優(yōu)化加權(quán)最小二乘支持向量機的覆冰預(yù)測模型(QFA-W-LSSVM)�；陔x散小波不一致率的特征選取中,通過離散小波變化將覆冰數(shù)據(jù)信號進行分解-重構(gòu),進而計算分解后的高、低頻信號的不一致率,通過比較選擇得到最優(yōu)特征子集�；诹孔痈倪M的煙花優(yōu)化算法中(QFA),通過量子編碼和量子旋轉(zhuǎn)門對煙花個體位置分別進行編碼和更新,提高算法的空間搜索性能�；诩訖�(quán)的最小二乘支持向量機中(W-LSSVM),主要是對最小二乘支持向量機的輸入向量進行了橫向加權(quán),同時對訓(xùn)練樣本進行了縱向加權(quán),加強了算法的學(xué)習和訓(xùn)練能力。將所構(gòu)建的QFA-W-LSSVM覆冰預(yù)測模型放置于Spark大數(shù)據(jù)平臺運行,并從覆冰數(shù)據(jù)倉庫中調(diào)取實例數(shù)據(jù)進行模型有效性驗證,相關(guān)計算結(jié)果表明本文所提出的輸電線路覆冰厚度預(yù)測模型,與其它傳統(tǒng)預(yù)測方法對比,有效地提高了預(yù)測精度和效果,是可行的和有效的。(3)對輸電線路覆冰狀態(tài)風險評估指標體系和評估方法進行研究,建立了基于Spark大數(shù)據(jù)平臺的動態(tài)貝葉斯推理自適應(yīng)模糊智能推斷系統(tǒng)的覆冰狀態(tài)風險評估模型(DBN-ANFIS)。本文為輸電線路覆冰狀態(tài)劃分了五個風險等級,并基于微氣象參數(shù)、環(huán)境因素和線路參數(shù)三個方面構(gòu)建了覆冰狀態(tài)風險評估指標體系。在覆冰風險評估模型中,動態(tài)貝葉斯推理結(jié)合覆冰時序樣本信息,將經(jīng)驗和知識作為先驗信息,不斷完善自適應(yīng)模糊智能推斷系統(tǒng)模型中每層網(wǎng)絡(luò)上的先前經(jīng)驗和知識,并能對先前結(jié)果進行不斷修正,提高了算法的泛化能力和擬合能力。為實現(xiàn)對大數(shù)據(jù)量的風險評估狀態(tài)參量的有效處理和識別,本文將所構(gòu)建的DBN-ANFIS覆冰狀態(tài)風險評估模型放置于Spark大數(shù)據(jù)平臺上運行,通過覆冰數(shù)據(jù)倉庫中的實例驗證,相關(guān)測試結(jié)果表明,基于DBN-ANFIS模型的覆冰風險智能評估具有較好的適用性和精確性,算法穩(wěn)定性高、擬合能力強。(4)對輸電線路覆冰災(zāi)害經(jīng)濟性損失評估進行了研究,建立了覆冰斷線經(jīng)濟性損失評估指標體系和覆冰災(zāi)害引起區(qū)域大停電經(jīng)濟性損失評估指標體系。本文將層次分析法和熵權(quán)法進行組合得到組合權(quán)重模型,并結(jié)合模糊綜合評估方法分別對覆冰斷線經(jīng)濟性損失和覆冰災(zāi)害引起區(qū)域大停電經(jīng)濟性損失進行了評估,實例驗證表明,本文所構(gòu)建的覆冰災(zāi)害經(jīng)濟性評估指標體系和評估方法是有效的和可行的。(5)基于Spark大數(shù)據(jù)平臺的覆冰影響因素量化分析、覆冰厚度預(yù)測以及覆冰狀態(tài)風險評估等,構(gòu)建了基于大數(shù)據(jù)的區(qū)域電網(wǎng)覆冰災(zāi)害風險管理體系。本文基于大數(shù)據(jù)構(gòu)建的覆冰風險管理體系包括電網(wǎng)覆冰災(zāi)害管理組織機構(gòu)、大數(shù)據(jù)在線預(yù)警系統(tǒng)、大數(shù)據(jù)應(yīng)急保障體系和大數(shù)據(jù)應(yīng)急處理預(yù)案四個方面。在覆冰災(zāi)害管理組織機構(gòu)中,主要構(gòu)建了區(qū)域和地方兩大應(yīng)急管理組織機構(gòu)。在覆冰災(zāi)害大數(shù)據(jù)在線預(yù)警系統(tǒng)中,構(gòu)建了電網(wǎng)結(jié)構(gòu)、覆冰監(jiān)測與信息采集系統(tǒng)、通信系統(tǒng)、數(shù)據(jù)中心、中央處理器、授權(quán)系統(tǒng)和操作系統(tǒng)七大模塊。在覆冰災(zāi)害大數(shù)據(jù)應(yīng)急保障體系中,建立了通信與信息保障體系、應(yīng)急隊伍保障體系、應(yīng)急物資裝備保障體系、技術(shù)資源保障體系和其它保障體系。在覆冰災(zāi)害大數(shù)據(jù)應(yīng)急處理預(yù)案中,根據(jù)在線預(yù)警系統(tǒng)對數(shù)據(jù)倉庫中大量異構(gòu)性覆冰數(shù)據(jù)的處理,結(jié)合IDNN因素量化模型、QFA-W-LSSVM覆冰預(yù)測模型和DBN-ANFIS覆冰狀態(tài)風險評估模型對區(qū)域電網(wǎng)覆冰災(zāi)害作出預(yù)警,在劃分覆冰預(yù)警與響應(yīng)等級的基礎(chǔ)上,分別就不同風險等級的應(yīng)急預(yù)警啟動流程和應(yīng)急響應(yīng)方式進行了詳細的描述。本文提出的基于大數(shù)據(jù)的區(qū)域電網(wǎng)覆冰災(zāi)害風險管理體系,可幫助電網(wǎng)防冰抗冰工作人員提高工作效率、提高電網(wǎng)的安全穩(wěn)定性,為區(qū)域電網(wǎng)冰凍災(zāi)害應(yīng)急預(yù)案的編制提供借鑒和參考,具有廣泛的適用性。
[Abstract]:......
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TM752

【參考文獻】

相關(guān)期刊論文 前10條

1 王偉凝;王勵;趙明權(quán);蔡成加;師婷婷;徐向民;;基于并行深度卷積神經(jīng)網(wǎng)絡(luò)的圖像美感分類[J];自動化學(xué)報;2016年06期

2 張蕾;章毅;;大數(shù)據(jù)分析的無限深度神經(jīng)網(wǎng)絡(luò)方法[J];計算機研究與發(fā)展;2016年01期

3 鄧仲華;劉偉偉;陸穎雋;;基于云計算的大數(shù)據(jù)挖掘內(nèi)涵及解決方案研究[J];情報理論與實踐;2015年07期

4 萬東;張忠會;;基于可靠性的配電網(wǎng)用戶停電損失估算方法研究[J];電測與儀表;2015年10期

5 李霄;賀成龍;張廣慶;徐欣;;基于Spark平臺的海量電子對抗數(shù)據(jù)分析[J];指揮信息系統(tǒng)與技術(shù);2015年02期

6 胡俊;胡賢德;程家興;;基于Spark的大數(shù)據(jù)混合計算模型[J];計算機系統(tǒng)應(yīng)用;2015年04期

7 陳世敏;;大數(shù)據(jù)分析與高速數(shù)據(jù)更新[J];計算機研究與發(fā)展;2015年02期

8 王德文;孫志偉;;電力用戶側(cè)大數(shù)據(jù)分析與并行負荷預(yù)測[J];中國電機工程學(xué)報;2015年03期

9 丁圣勇;閔世武;樊勇兵;;基于Spark平臺的NetFlow流量分析系統(tǒng)[J];電信科學(xué);2014年10期

10 程學(xué)旗;靳小龍;王元卓;郭嘉豐;張鐵贏;李國杰;;大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J];軟件學(xué)報;2014年09期

相關(guān)博士學(xué)位論文 前2條

1 宋亞奇;云平臺下電力設(shè)備監(jiān)測大數(shù)據(jù)存儲優(yōu)化與并行處理技術(shù)研究[D];華北電力大學(xué)(北京);2016年

2 Gebeyehu Belay Gebremeskel;面向商業(yè)智能的數(shù)據(jù)挖掘算法和多智能體系統(tǒng)的體系結(jié)構(gòu)以及優(yōu)化[D];重慶大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張興;基于Spark大數(shù)據(jù)平臺的火電廠節(jié)能分析[D];太原理工大學(xué);2016年

2 陳云;分布式電力大數(shù)據(jù)計算分析平臺設(shè)計與實現(xiàn)[D];電子科技大學(xué);2016年

3 樊嘉麒;基于大數(shù)據(jù)的數(shù)據(jù)挖掘引擎[D];北京郵電大學(xué);2015年

4 梁彥;基于分布式平臺Spark和YARN的數(shù)據(jù)挖掘算法的并行化研究[D];中山大學(xué);2014年

5 潘穎杰;架空輸電線路覆冰災(zāi)害預(yù)警及應(yīng)急響應(yīng)系統(tǒng)研究[D];云南大學(xué);2014年

6 張海洋;大數(shù)據(jù)的統(tǒng)計分析技術(shù)比較研究[D];南京大學(xué);2014年

7 毛藝婷;ANP/AHP選擇反轉(zhuǎn)問題研究[D];華北電力大學(xué);2014年

8 黃筱婷;基于在線監(jiān)測數(shù)據(jù)的輸電線路覆冰短期預(yù)測研究[D];華南理工大學(xué);2013年

9 李奇茂;輸電線覆冰負荷預(yù)測模型的數(shù)據(jù)驅(qū)動方法研究[D];云南大學(xué);2012年

10 楊尉薇;基于智能辨識的輸電線路覆冰厚度模型研究[D];太原理工大學(xué);2010年

，

本文編號：2470312