目錄
序
前 言
第1 章 概述 001
1.1 電力互感器技術發(fā)展與應用現(xiàn)狀 002
1.2 國內外研究現(xiàn)狀 006
1.2.1 電力互感器的計量誤差影響因素研究現(xiàn)狀 006
1.2.2 電力互感器計量誤差校驗研究現(xiàn)狀 007
1.2.3 電力互感器誤差在線監(jiān)測研究現(xiàn)狀 010
1.2.4 電力互感器誤差狀態(tài)識別及預測研究現(xiàn)狀 012
第2章 電力互感器的計量誤差影響因素機理分析 015
2.1 電力互感器的基本結構和工作原理 016
2.2 電力互感器的計量誤差 017
2.2.1 電力互感器的計量誤差指標 018
2.2.2 電力互感器的計量誤差產生機理 019
2.3 氣候環(huán)境對電力互感器的計量誤差影響機理分析 022
2.3.1 環(huán)境溫度 022
2.3.2 環(huán)境濕度 023
2.4 運行工況對電力互感器的計量誤差影響機理分析 024
2.4.1 表面污穢 024
2.4.2 環(huán)境電場 025
2.4.3 二次負載 027
本章總結 028
第3章 電力互感器監(jiān)控數(shù)據分析與擾動補償建模 029
3.1 多維數(shù)據來源及清洗 030
3.1.1 多維數(shù)據來源及特點 030
3.1.2 多維數(shù)據清洗 035
3.2 多維數(shù)據分析 037
3.2.1 氣候環(huán)境對互感器計量誤差的作用規(guī)律 037
3.2.2 運行工況對互感器計量誤差的作用規(guī)律 039
3.3 多維數(shù)據主導特征量提取 041
3.3.1 主導特征量提取算法優(yōu)選 041
3.3.2 最大信息系數(shù)算法 044
3.3.3 基于最大信息系數(shù)矩陣的主導特征量提取 046
3.4 主導特征量擾動補償模型研究 048
3.4.1 環(huán)境溫度擾動補償研究 048
3.4.2 二次負載擾動補償研究 049
3.4.3 擾動補償模型分析 051
本章總結 054
第4章 基于機器學習的電力互感器計量誤差組合校驗 055
4.1 電力互感器計量誤差組合校驗算法框架 056
4.2 基于輕量級梯度提升機的誤差波動校驗子模型 057
4.2.1 機器學習算法優(yōu)選 057
4.2.2 梯度單邊采樣輕量化策略 061
4.2.3 互斥特征綁定輕量化策略 062
4.2.4 誤差波動校驗算法流程 063
4.3 基于改進粒子群權重分配的計量誤差組合校驗模型 066
4.3.1 模型權重分配算法優(yōu)選 066
4.3.2 自適應慣性權重改進策略 069
4.3.3 計量誤差組合校驗算法流程 070
4.4 校驗算法測試與性能分析 073
4.4.1 實驗設置 073
4.4.2 改進策略有效性驗證 074
4.4.3 對比實驗與分析 080
本章總結 083
第5章 基于深度學習的電力互感器計量誤差組合校驗算法 085
5.1 基于深度學習的計量誤差組合校驗算法框架 086
5.2 基于改進長短期記憶神經網絡的計量誤差組合校驗模型 087
5.2.1 深度學習算法優(yōu)選 087
5.2.2 雙向記憶改進策略 089
5.2.3 深度特征提取策略 092
5.2.4 多任務學習改進策略 094
5.3 預測算法測試與性能分析 095
5.3.1 實驗設置 095
5.3.2 改進策略有效性驗證 096
5.3.3 對比實驗與分析 100
本章總結 103
第6章 電力互感器在線監(jiān)測技術及數(shù)據預處理 105
6.1 電力互感器在線監(jiān)測系統(tǒng) 106
6.2 電力互感器誤差在線監(jiān)測機理研究 110
6.2.1 基于信息物理相關性分析的互感器誤差在線監(jiān)測模型 110
6.2.2 電力互感器誤差在線監(jiān)測實現(xiàn)的關鍵問題 112
6.3 電力互感器在線監(jiān)測數(shù)據預處理 114
6.3.1 缺失數(shù)據填充 114
6.3.2 平滑噪聲 116
6.3.3 插值 116
6.3.4 數(shù)據集成 117
6.3.5 數(shù)據規(guī)范化 119
6.4 基于非線性擾動補償?shù)亩嗑S時序關聯(lián)數(shù)據的缺失值補全 120
6.4.1 多維時序關聯(lián)數(shù)據的系統(tǒng)擾動補償插值 121
6.4.2 插值算法測試與性能分析 125
本章總結 133
第7章 變電站多電力互感器誤差在線監(jiān)測 135
7.1 變電站多電力互感器異常識別和定位 136
7.1.1 基于主成分分析的多電力互感器異常識別和定位 136
7.1.2 約翰遜變換改進策略 139
7.1.3 滑動窗口改進策略 141
7.2 變電站多電力互感器誤差測量 143
7.2.1 基于GRU 的電力互感器誤差測量 143
7.2.2 多任務學習改進策略 144
7.2.3 注意力機制改進策略 145
7.3 變電站多電力互感器誤差在線監(jiān)測實驗與性能分析 147
7.3.1 實驗設置 147
7.3.2 變電站多電力互感器異常識別和定位實驗 149
7.3.3 變電站多電力互感器誤差測量實驗 153
本章總結 156
第8章 電力互感器誤差狀態(tài)識別 157
8.1 電力互感器誤差狀態(tài)數(shù)據預處理 158
8.1.1 重采樣算法優(yōu)選 158
8.1.2 融合改進RBO和RBU的重采樣算法 160
8.1.3 融合改進RBO和RBU的電力互感器誤差狀態(tài)數(shù)據重采樣流程 162
8.2 基于改進WOA-SVM的電力互感器誤差狀態(tài)識別 162
8.2.1 電力互感器誤差狀態(tài)識別算法優(yōu)選 164
8.2.2 面向電力互感器誤差狀態(tài)識別的SVM 算法及缺陷分析 165
8.2.3 基于改進鯨魚優(yōu)化算法的SVM 參數(shù)優(yōu)選 166
8.2.4 改進WOA-SVM 的電力互感器誤差狀態(tài)識別算法流程 168
8.3 識別算法測試與性能分析 169
8.3.1 實驗設置 170
8.3.2 改進策略有效性驗證 171
8.3.3 對比實驗與分析 175
本章總結 177
第9章 融合機器學習和深度學習的電力互感器計量誤差預測 179
9.1 電力互感器計量誤差預測算法研究 180
9.1.1 電力互感器計量誤差預測算法優(yōu)選 180
9.1.2 電力互感器計量誤差頻域組合預測算法框架 181
9.2 基于改進EWT算法的電力互感器計量誤差信號分解 182
9.2.1 信號分解算法優(yōu)選 182
9.2.2 面向電力互感器計量誤差分解的EWT算法及缺陷分析 184
9.2.3 引入互信息的改進EWT算法 186
9.3 基于XGBoost-LSTM 算法的電力互感器計量誤差組合預測 187
9.3.1 基于XGBoost算法的低頻分量預測 187
9.3.2 基于LSTM算法的高頻分量預測 188
9.3.3 基于XGBoost-LSTM算法的電力互感器計量誤差組合預測流程 190
9.4 預測算法測試與性能分析 191
9.4.1 實驗設置 191
9.4.2 改進策略有效性驗證 193
9.4.3 對比實驗與分析 197
本章總結 199
參考文獻 200
書單推薦
