摘要：为了提高集控设备故障诊断精度并提供最佳处置决策,提出基于大数据挖掘的集控设备故障处置辅助决策方法。设计集控设备故障辅助决策框架,通过数据接口层获取数据采集与监视控制、继电保护及故障信息等系统的设备运行数据,存储于电网拓扑数据库中,与故障文件信息、各子站的CIM/SVG/SCL信息及规则库一起保存于数据存储层。数据处理层调用存储层数据,采用改进K-means算法挖掘电网拓扑数据库中的集控设备故障信息,利用小波包提取设备故障特征后,将其输入到分析层的基于哈夫曼树的最小二乘双支持向量机多分类模型中,实现集控设备故障诊断,确定故障模式,并采用灰色定权聚类分析方法实现故障模式的分类决策。实验结果表明:该方法可提高集控设备故障分类精度及效率,故障诊断误差低,可实现集控设备故障诊断,作出最佳故障处置决策。

摘要：当前水电站调度机器人在下达调度指令时,存在误扰率大、占线率大的问题,信道阻塞时间过长,影响调度工作的效率。文章设计了基于调控一体化大型梯级水电智能调度机器人,引入梯级水电站群优化调度算法,通过机器人智能决策与智能监控模块设计,机器人调度执行模块与终端展示设计,完善了机器人调度功能的设计。通过对比实验证明,新的调度机器人在下达调度指令时误扰率得到有效控制,占线率最低可以达到零,信道阻塞时间也大大缩短,能够有效提高调度工作效率,促进了水电站调度质量的提升。