首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 发电与发电厂论文 > AI技术下复杂发电站运行风险视觉特征库构建

AI技术下复杂发电站运行风险视觉特征库构建

2024-12-03 78 上传者：管理员

摘要：传统发电站运行风险特征库构建方法存在冗余特征量过多的问题，导致风险评估结果可信度不足，因此提出基于AI技术的复杂发电站运行风险视觉特征库构建方法。该方法整合文本条件向量与噪声向量，将整合结果作为风险观察的输入数据。引入AI技术进行图像特征映射和自主学习，并设计视觉可视化合成策略。计算风险估测值序列的算术平均数，采用相邻比较法确定变点的时刻和位置，收集总风险特征。将先验概率转换为后验概率，对独立风险特征进行分类处理，识别未知风险并贴上标签，从而完成风险视觉特征库的构建。实验结果表明，该方法能够提取与实际视觉特征库中数据一致的雷电流和电压幅值变化范围，为综合评估发电站运行状态提供了数据支持。

关键词：
AI技术
复杂发电站
视觉特征库
跳闸率
运行风险
加入收藏

为了降低电厂的跳闸率，提高电网供电的可靠性，国内外学者提出了各种解决措施，但至今尚未形成一套完善的解决方案。在复杂的地理环境中，同一地区不同输电线路，甚至是同一线路的不同档位，其地理环境和气候状况也各不相同。因此，同一地区或不同地区所面临的运营风险因具体情况而异，风险水平也存在很大差异。为此，对复杂发电站的运行风险进行可视化分析是十分有必要的。

近年来，已有学者对复杂发电站运行风险视觉特征库的构建进行了研究。例如，文献[1]提出了考虑多时间尺度的风险自适应感知方法，利用多个时间尺度的马尔科夫决策模型对发电站的动态变化进行建模。文献[2]提出了基于散点图-AlexNet网络的红外热图像识别方法，利用高光谱成像技术将红外热像仪的影像映射到二维坐标，通过AlexNet网络对危险特征进行自动识别。文献[3]提出了一种考虑结算规则的多尺度市场耦合下梯级水电站中期运行风险分析方法，通过Copula-Monte Carlo方法来生成组合场景，并计算对应的条件风险价值。然而，这些方法在复杂环境下进行发电站运行风险识别时，容易出现识别结果不精准的问题。

为了解决上述方法存在的问题，提出了AI技术下复杂发电站运行风险视觉特征库构建方法。

1、AI技术下视觉可视化合成策略

为了解决因复杂参数更改而导致的整体构图重置问题，文中提出了基于AI技术的视觉可视化合成策略，以此增强视觉感知能力。

基于AI技术生成可视化图像时，采取多阶段视觉可视化合成策略，如图1所示。

图1基于AI技术的视觉可视化合成策略

在初始生成阶段，采用图1所示的CA条件增强模块对各个特征矢量进行处理，从而获得低维度文本向量[4-5]。将该向量与噪声向量整合作为风险观察的输入数据，风险观察值序列计算公式为：

式中，表示序列化函数，a表示噪声向量；表示条件增强运算；r表示特征增强向量[6-7]。

引入AI人工智能技术，通过自动学习方法赋予不同权值，从而获得更多运行风险信息，有助于增强可视化合成效果。

2、基于可视化合成的风险视觉特征库构建

由AI技术下的视觉可视化合成策略可知，不同权重信息包含不同运行风险信息[8]。在复杂发电站运行过程中，每种运行风险的变点数量均不相同。在AI技术下构建复杂发电站运行风险视觉特征库，可表示为：

式中，xi表示i个风险观察值序列；yj表示j个风险估测值序列；k表示变点数；t表示变点出现对应的时刻，如果在该时刻显示，则确定该时刻是运行风险出现的时刻[9-10]。

为了归一化处理运行风险视觉特征库，应保证特征库Q内无重复特征[11]。首先考虑yj对特征库Q的影响，令Xj表示第j段内风险观察值序列x的算术平均数，计算风险估测值序列的算术平均数，公式为：

当ti保持不变，且yj=Yj时，式（2）计算结果达到最小[12]。将式（2）中的yj替换为Yj后，特征库Q仅被ti影响[13]。

上述公式的各项之和可表示为：

待所有项都被充分考虑后，就可以得出第一轮修正结果。当第一轮通过相邻比较法比较完毕后，进行第二轮搜索更新，并得到第二轮修正结果[14]。按照该规则继续搜索，直至全部轮搜索结束，不再发生变化为止。

通过AI技术获取复杂发电站运行风险的发生时刻，能够读取该时刻下对应的运行风险特征数据，Qa包含总电流、总电压、总功率等参量[15]。

从搜索到的特征数据中分离出独立的风险特征数据，依据风险特征数据进行特征库的整合。复杂发电站的运营风险主要表现在总电流、总电压和总功率三个方面。在多个复杂发电站同时运转的情况下，操作风险可以表示为：

式中，g表示从Qa中提取的总电流、总电压、总功率参量；Ag(t)表示参量独立运行形成的风险特征。

由于该方法仅针对单个用户，因此可以假设两种负荷模式在不同负荷工况下存在延迟，即两种负荷模式并非完全同步。因此，可以用当前风险值和新加入的单个风险值之和来确定。基于此，总风险特征可表示为：

为了保证特征基础方法对大多数独立用户均有效，依据共享载荷工作特性设定分类判断条件，将无监督波形辨识问题转化为有监督特征参数辨识问题[16-19]。利用贝叶斯分类法对电力系统中的各个特征参量进行类别划分，并将其作为后验信息，进而将其转化为特征参量所属的先验概率，其计算公式可表示为：

式中，Dn表示第n个独立特征参量所分类别；表示已知风险种类条件下采集的总风险特征出现的概率。

根据总风险特征将先验概率转换为后验概率，即求解A′(t)已知条件下风险类别属于Dn的概率，概率最大的类别即为风险估测值序列yj的标签，可表示为：

式中，argmax表示最大值运算函数。

以式（8）的计算结果为基础，对各个独立危险特征进行归类，依次获得未知危险并标注，并将这些特征记录在特征库中，如图2所示。

3、实验验证

3.1发电站运行风险采集实验装置

以新一代的SoDate-7201数据采集器为基础，对智能仪表和集中器数据进行采集、存储和分析。该智能仪表及聚光器可以实现多个负载的同步连接，并将其收集到的信息进行现场确认或上传到PC机上作进一步处理，该装置的整体架构如图3所示。

图2 AI技术下风险视觉特征库可视化显示

图3复杂发电站运行风险采集实验装置

3.2实验数据

所研究的复杂发电站在实验数据采集期间，先后经历了4次雷击跳闸事件，相应雷电流、雷电压幅值结果如图4所示。

图4雷击跳闸风险视觉特征库数据分析

由图4可知，在雷击次数为3次时，雷电流幅值最大，变化范围是[-100,-50]kA；在雷击次数为2、3次时，雷电压幅值最大，变化范围是[-300,-150]kV。由于复杂发电站中存在自我保护装置，在经过雷击后可以使过电流、电压数值得以恢复，有效保障了电站的安全稳定运行。

3.3实验结果分析

分别使用多时间尺度方法、散点图-AlexNet网络方法和AI技术下视觉特征库构建方法，从各自构建特征库中提取雷击跳闸风险视觉特征的雷电流、电压幅值，并将其与图4所示数据进行对比分析，以此确定所构建特征库是否与实际特征库一致。

不同方法的雷电流、电压幅值提取结果如图5所示。

图5不同方法雷电流、电压幅值提取结果

分析图5的实验结果可知，使用多时间尺度方法、散点图-AlexNet网络方法提取的雷电流、电压幅值与实际视觉特征库中的数据不一致。

使用所研究方法对雷电流幅值提取时，当雷击次数分别为1、2、3、4次时，对应的幅值变化范围分别是[-10,0]kA、[-50,-10]kA、[-100,-50]kA、[-10,0]kA；对雷电压幅值提取时，当雷击次数分别为1、2、3、4次时，对应的幅值变化范围分别是[-110,0]kA、[-260,-110]kA、[-260,-170]kA、[-170,0]kA。因此，说明所研究方法的提取结果与实际视觉特征库中的数据一致。

4、结束语

在AI技术下构建复杂发电站运行风险视觉特征库，利用AI技术为其提供更便捷的信息可视化环境。通过对图像特征映射自主学习，构建运行风险视觉特征库。通过实验验证可知，构建的风险视觉特征库可以实现对不同类型风险源的准确判断。

参考文献:

[1]黄立阳,申少辉,汪涛.考虑多时间尺度的梯级水电站组合交易风险自适应感知方法[J].水力发电,2023,49(2):91-95.

[2]孙海蓉,周映杰.基于散点图-AlexNet网络的光伏红外热图像识别方法[J].太阳能学报,2023,44(1):55-61.

[3]卢佳,李刚,程春田,等.考虑结算规则的多尺度市场耦合下梯级水电站中期运行风险分析方法[J].中国电机工程学报,2021,41(3):994-1004.

[4]朱昊,杨会军,郭丽红,等.嵌入式NILM电力负荷识别及特征库构建系统设计[J].电子器件,2021,44(6):1421-1428.

[5]杨统一,李静,马刘畅,等.镇江市谏壁发电厂周边土壤重金属污染特征及风险评价[J].江苏科技大学学报(自然科学版),2022,36(4):91-99.

[6]向文平,刘鹤,王禾,等.无人水电站运行风险分析与应急管控策略研究[J].中国安全科学学报,2021,31(S1):121-128.

[7]徐茂林,周建中,贾本军,等.基于半方差风险计量模型的水电站发电优化调度研究[J].水电能源科学,2022,40(2):70-74.

[8]李存斌,董佳,丁佳.基于大数据的燃煤发电运行风险实时评估[J].电力系统保护与控制,2022,50(16):47-57.

[9]纪昌明,刘源,王弋,等.耦合整体预报不确定性的水电站短期优化调度模型[J].水利学报,2021,52(8):907-916.

[10]罗锡斌,雷源,刘艳,等.考虑弃水风险的并联水电站蓄放水次序研究[J].人民长江,2022,53(7):206-212.

[11]曹一家,赵一睿,李勇,等.考虑针对变电站网络攻击风险的脆弱元件筛选方法[J].电力系统自动化,2023,47(8):25-33.

[12]尚晓可,安南,尚敬捷,等.结合视觉显著性与注意力机制的低光照图像增强[J].模式识别与人工智能,2022,35(7):602-613.

[13]陈进强,黄继梅.基于快速SLIC的人工智能图像超像素分割仿真[J].计算机仿真,2022,39(6):170-174.

[14]鞠思博,徐晶,李岩芳.基于自注意力机制的文本生成单目标图像方法[J].计算机工程与应用,2022,58(3):249-258.

[15]洪雨露,吴小俊,徐天阳.基于差异双分支编码器的多阶段图像融合方法[J].模式识别与人工智能,2022,35(7):661-670.

[16]杜晨杰,杨宇翔,伍瀚,等.旋转自适应的多特征融合多模板学习视觉跟踪算法[J].模式识别与人工智能,2021,34(9):787-797.

[17]朱小超,张磊,解秦虎,等.双目视觉和机器学习的拆回电能表微颗粒清洗系统[J].西安工程大学学报,2022,36(2):49-55.

[18]王治国,张玉峰,简志宇,等.基于自动化机器学习的多变量光伏发电功率预测研究[J].自动化与仪器仪表,2023(9):64-68,73.

[19]李可雨,王峰,蔡德胜,等.新能源发电协同参与配电网无功优化控制技术[J].供用电,2023,40(4):15-22.

基金资助:国家电网公司科技项目(5300-201965836A-7-4-JN);

文章来源:高国庆,袁冰峰,王莹,等.AI技术下复杂发电站运行风险视觉特征库构建[J].电子设计工程,2024,32(23):164-167+172.

网友评论

加载更多

我要评论

期刊名称：电子设计工程

期刊人气：3200

期刊详情

主管单位：九三学社陕西省委员会

主办单位：西安市三才科技实业有限公司

出版地方：陕西

专业分类：电子

国际刊号：1674-6236

国内刊号：61-1477/TN

邮发代号：52-142

创刊时间：1994年

发行周期：半月刊

期刊开本：大16开

见刊时间：10-12个月

论文导航

AI技术下复杂发电站运行风险视觉特征库构建

相关论文

变电站移动作业终端数字化开票流程校核算法的设计

关键词

一种基于数字孪生技术的水电企业数据采集传输方法

关键词