智能算法

阐述了无人机图像智能算法在电力巡检的开发及应用，带来AI人工智能和多传感器融合的全栈式电力运维解决方案。在普宙无人机自主巡检中，深度学习算法被两次应用，实现可见光对杆塔本体精细化巡检的拍照点自动化精准选定以及精确识别存在缺陷隐患的照片及缺陷位置。其采用的RTK载波相位差分技术，可通过基站采集的载波相位数据发送给移动站（无人机）进行求差计算定位坐标，不受限于通信链路和网络覆盖，使得定位精度提高到了厘米级。

近年来配网不停电作业量激增，为提升作业安全性和规范性，项目打造了一套以智能算法和物联网技术为基础的配网带电作业智能化辅助装置。 装置由智能穿戴模块、智能设备模块、智慧作业平台共同构成，根据配网不停电作业安全要求，以多维传感感知融合技术实现作业流程数据覆盖，同时结合AI算法实现全流程智能研判，实现安全风险识别、作业实时告警以及作业后及时复盘反馈，确保作业人员动作和设备使用的规范性，加强生产现场作业风险管控，提升安全作业水平。

纸张老化特征取决于使用的绝缘流体抗氧化剂。 可以采用智能算法，根据标准油试验和溶解气体分析计算聚合度数值，但不同的油需要不同的标记。 因此，与呋喃-聚合度-分析法相比，其它方法可能产生更高的精确度。 聚合度数值与抗拉强度之间的关联性取决于使用的油抗氧化剂。

针对锅炉燃烧系统的多目标优化，在所建立的锅炉燃烧系统预测模型的基础上，分别采用加权-粒子群算法和多目标粒子群优化(multi-objective particle swarm optimization，MOPSO)算法优化锅炉系统的可调整运行参数，以实现锅炉高效率低NO x 排放。分析表明，2种优化算法所得的运行参数相近，趋势与燃烧特性分析和燃烧调整试验结果相符合，说明智能算法优化电站锅炉燃烧系统有效可行。但是加权-粒子群优化算法主观依赖性严重，难以选取合适的权值，优化时间长且结果少；而MOPSO算法优化时间远远小于加权-粒子群算法优化时间，并且优化结果更多，优化效率更高，更有利于指导锅炉的实际运行。

直流微电网是新能源综合利用的重要形式，但其中的分布式接口往往存在着强随机性扰动，这给直流变换器的稳压控制带来了诸多问题。为了尽可能地抑制控制器参数固定时这种不确定性特征引起的不利影响，提出了一种利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法整定线性自抗扰控制器参数的方法。依靠引入了智能算法的自抗扰微电网控制系统，实现了控制器参数的自适应调整，从而实现了微电网接口变换器的稳定运行。通过仿真对比了各类典型工况下，DDPG-LADRC与传统线性自抗扰控制器(linear active disturbance rejection control, LADRC)、双闭环比例-积分控制器的性能差异，验证了所提控制策略的有效性。而参数摄动下的鲁棒性分析结果结合多项指标下的系统整体性分析，充分体现了控制器参数的智能化调整所带来的多工况自适应性增益的优越性，具备较强的工程价值。

针对220 kV及以上电压等级智能变电站双套录波通道同源匹配问题，提出一种基于正则表达式和Jaccard系数的智能变电站录波通道同源匹配方法。首先，针对录波通道命名不规范的问题，使用正则表达式对通道名称文本进行预处理，统一通道名称的表达形式；同时，使用jieba分词算法和去停用词操作，去除通道名称文本中可能存在的冗余信息。然后，使用Jaccard相似系数匹配算法计算录波通道名称文本之间的相似度，依据相似度大小筛选出同源通道。最后，基于电网实际的录波文件数据进行仿真分析。仿真结果表明：所提方法可有效实现智能变电站录波通道同源匹配。

目前围绕量测条件受限的配电网展开的故障定位研究较少，且传统的主站集中式故障定位系统在实时性与安全性等方面存在不足。针对上述问题，提出一种基于边缘计算和深度学习的单相接地故障区段定位方法。首先，构建基于分区修正的边缘计算单元配置多目标优化模型。该模型通过分区修正方法降低了故障定位系统的通信时延，提升了数据传输安全性，进而保障配电网安全运行。其次，将基于数据驱动的智能算法应用于配电网故障区段定位，选择易获取的相电流稳态有效值在故障前后的变化量作为故障特征，利用全连接型深度神经网络学习样本特征与标签间的映射关系，得到离线训练好的定位模型并储存在边缘节点以实现快速故障定位。最后，以IEEE33节点系统为例进行仿真。算例结果表明该模型在分布式电源接入、高阻故障、噪声干扰以及拓扑改变等情况下均具有良好表现。

长期以来在供电系统中，电网中的不平衡电流会增加线路及变压器的铜损、增加变压器的铁损，降低变压器的出力甚至会影响变压器的安全运行。电网公司由于没有可靠的管理和技术手段，低压用电客户相对于配电变压器的相位关系无法确定和记录，在营配管理中以下问题会逐渐显露。目前，三相不平衡问题在电网企业内普遍存在，由于没有可靠的管理和技术手段，低压用电客户相对于配电变压器的相位关系无法确定和记录，多数单位仍凭经验进行三相不平衡调整。基于智能电表非计量数据开发的多源数据分析平台运用交流过零同步分时通讯技术的相位识别方法和基于贪心策略智能算法开展三相不平衡治理工作，为国内首创，可在全国电力行业中全面推广使用。

随着电力信息化的提高，智能算法结合历史数据进行变压器故障诊断的方法越来越受到关注。在溶解气体分析法基础上借助少数类样本过采样（SMOTE）算法合成新样本，实现样本多维度扩充，并以贝叶斯优化算法寻找长短期记忆（LSTM）网络模型参数的最优设置值，以降低训练集错误率，进而建立了变压器故障诊断模型。结果表明：样本扩充后的变压器故障诊断模型过拟合度降低约20%，测试集准确率提升约10%。

避雷器阻性电流的增长是判断避雷器故障的最重要参数。受多种因素影响，现场实测的避雷器泄漏电流已经不是避雷器本体的电流，且计算阻性电流，需要电压相位，而现场获取电压相位信号也很不便，避雷器监测传感器可以有效解决以上问题，避雷器监测传感器采用高精度电流互感器及先进的无线同步技术，准确采集避雷器泄漏电流的幅值和同步相位信息。同时结合环境参量，采用智能算法计算避雷器阻性基波电流增长率，无需采集母线电压信号。传感器本体直接并接避雷器泄漏电流表，安装简单方便。传感器采用低功率无线接入网通信协议，有效控制了传感器通信功耗(μW级)，采用可在严苛环境下可长时间稳定放电的进口工业级锂亚酰胺氯电池，可实现对避雷器长期监测。