基于LSTM-FCM聚类的专变私下扩容监测方法研究

摘要：

专变私下扩容行为不仅侵犯了电力企业的利益,还会影响电网的安全运行.目前专变扩容监测的方法由于需要人为选取多组一二次侧电压电流做数据拟合,不能达到可监督和智能化的要求.该文以数据驱动的方式开展专变扩容监测研究,分析了当变压器负载不变时扩容行为引起多种电气参量的综合变化,并确定以一次电流、二次电压偏离度、功率因数、三相不平衡电流作为特征训练负载率计算模型,将负载率计算值与监测值的误差作为判断扩容的依据.进一步提出基于长短期记忆(long short term memory,LSTM)网络嵌套模糊C均值(fuzzy-C-mean,FCM)聚类的扩容监测方法,应用真实用电采集系统数据进行算例分析,结果表明基于LSTM-FCM聚类的负载率计算模型,负载率计算误差在5％以内,单次计算的时间在0.05s左右,可以达到监测专变扩容的目的.

关键词：私自增容、变压器容量监测、深度学习、深度网络

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国网吉林省电力有限公司检修公司科技项目SGJLJX00YJJS2000301

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3952-3960