【摘 要】
：
快速、准确、有效的电能质量扰动检测是电网故障分析与治理的前提和基础,在电力监测、电能质量评估及电网和用户的安全中扮演了重要角色.针对当前国内外相关研究成果进行整合
【机 构】
：
西南民族大学电气工程学院国家民委重点实验室
【基金项目】
：
中央高校基本科研业务费专项资金资助(2020NQN04)。
论文部分内容阅读
快速、准确、有效的电能质量扰动检测是电网故障分析与治理的前提和基础,在电力监测、电能质量评估及电网和用户的安全中扮演了重要角色.针对当前国内外相关研究成果进行整合归纳总结.首先,分析了电能质量扰动检测对象,归纳电能质量扰动检测的难点问题.其次,详细综述电能质量扰动检测方法的最新研究进展,将其分为时域分析、频域分析、时频域分析、参数估计、人工智能五大方面,并分别对这五个方面的方法进行讨论、对比分析各自利弊等.最后,指出暂态扰动及其组成的混合扰动检测方面存在的问题,并对今后的发展趋势进行展望.
其他文献
继电保护运行状态监测和状态检修是提高继电保护运行可靠性的重要手段。提出了一种基于广域信息的继电保护实时评价方法,并进行了实时评价系统的研制。实时评价系统通过获取电网调度系统、保信主站和故障录波器主站的信息,对每次继电保护的动作行为进行全局性实时评价、状态评估并生成相应报告,大幅减少了事故分析的时间,增加了事故分析的广度,提高了事故分析的质量。实时评价系统全面分析与故障线路相邻的所有未动作线路的保护信息,从这些设备的录波信息和中间节点信息中分析其动作行为,发现其隐患,保障电网更安全的运行。该系统已在国网安徽
为了提高滚动轴承振动信号的故障特征提取能力,快速有效地诊断出轴承的故障类型,提出了一种基于EMD-AR谱和GA-BP神经网络的滚动轴承故障诊断模型,以美国凯斯西储大学轴承数据中心的轴承振动加速度数据为例,对滚动轴承各种状态进行了理论分析和实验测试研究。首先,通过经验模态分解,将采集到的轴承振动信号进行了分解,获得了不同阶次的固有模态函数分量;然后,通过自回归模型对这些分量进行了故障特征提取,并由AR模型的参数和残差的方差组成了故障特征向量矩阵;最后,将故障特征作为遗传算法优化BP神经网络的输入数据和输出数
农民是乡村治理有效的内生性主体,但并不是所有农民都是推进乡村善治的有效主体.基于赣南村庄的考察发现,村庄存在着一大批中坚农民群体,构成村庄治理场域下的中坚力量,但只
现代电网中存在的薄弱环节会造成偶然事故的扩大发展,对电网及其元件的脆弱性评估对于防范大规模停电事故有重要意义。围绕电网线路脆弱性评估的问题,建立了综合考虑结构脆弱性、状态脆弱性和环境脆弱性的线路脆弱性综合评估体系。环境脆弱性部分选择具有代表性的雷击、覆冰、强风、污秽、山火和外力破坏作为脆弱性指标。随后基于IEEE39节点系统计算得到线路脆弱性评估的结果,并与其他文献方法的计算结果进行对比,验证了所构建评估方法的合理性。最后基于线路脆弱性的评估结果,进一步分析了网络结构均匀性的问题。结果表明,采用单一指标对
针对传统相似日法中各因素相似度及其权重需要人工赋值的不足,在充分考虑日期类型、日期距离、气象因素等几种主要常规影响因子的前提下,建立了一种基于智能优化方法的相似日模型对日用电量进行短期预测。相似度计算公式中全部原本需要人工赋值的参数均由历史数据基于果蝇优化算法训练得出。参数值可以根据特定用户的负荷变化特性动态调整,增强了相似日法的准确性和通用性。为了解决求解参数的多维优化问题,避免算法陷入局部极值,提出了一种引入多种群概念的果蝇优化算法,增强了算法的全局搜索能力。仿真实例表明,相比起传统的相似日模型,基于
针对60 MN超大力值拉向叠加式力标准机断裂保护装置的选型问题,以蜂窝铝为吸能件,对其在超大冲击能量下的吸能效率进行了研究。利用ABAQUS/Explicit对不同结构参数的蜂窝铝吸能结构进行了数值模拟,通过对比不同壁厚和六边形边长下蜂窝铝的平均载荷、峰值载荷和比吸能,得出了其吸能效率的变化规律;利用响应面优化方法,以壁厚和六边形边长为设计变量,建立了因变量的回归方程,采用遗传算法对其进行了优化设计;最后对优化结果进行了仿真验证。研究结果表明:随着壁厚增加以及小六边形尺寸减小,吸能件的各项指标都得到了改善
针对单相锁相环(Phase-lock Loop,PLL)受PI控制器饱和抑制造成滤波性能不足这一问题,提出了一种基于改进型环路滤波器的单相锁相环。该锁相环通过增加抗饱和PI控制器,改进环路滤波器,提高滤波性能。在输入同时含有直流和谐波干扰情况下,对电网实时相位进行锁相跟踪,可以明显提高锁相精度。利用Matlab/Simulink平台对改进型单相锁相环在电网畸变时的适应性、抗干扰性进行仿真分析。并基于TMS320F28335 DSP芯片为核心的实验平台进行实验验证,结果表明,该方法能快速准确地跟踪系统频率变
精确的光伏发电量预测对光伏发电系统的安全运行有重要的作用。然而,由于太阳能的不稳定性、间歇性和随机性,现有光伏发电量的短期预测模型存在预测误差大、泛化能力低等问题。因此,提出一种混合神经网络和注意力机制的分布式光伏电站电量短期预测模型(A-HNN)。利用残差长短期记忆网络与扩展因果卷积相结合提取数据的时间和空间特征,加入注意力机制增强特征选择,给出一种改进的混合神经网络模型。根据发电量数据时间序列本身的特性,选取以日为周期的时间序列数据。最后,通过实验与近期其他模型对比,结果表明在同等条件下此混合模型可以
随着电力行业数据的持续增长,云环境下电力调度消耗的能量越来越多,加剧了能源危机和环境污染。在电力云平台架构的基础上,提出一种基于云计算的电力任务节能调度算法。将虚拟机分配给具有最优性能功率比的节点进行处理,通过迁移虚拟机实现资源整合。通过仿真将该调度算法与节能虚拟机调度节点算法和改进型最佳拟合递减算法进行比较。仿真结果表明,在不显著降低效率的情况下,该方法可以节能10%以上。该研究为云环境下最优电力调度方法的发展提供了一定的参考和借鉴。
严重的台风灾害可能导致配网用户停电,有效的配网用户停电数量预测可为电网应急抢修提供辅助指导。综合考虑气象因素、电网因素及地理因素,提出了基于机器学习回归算法的配网用户停电数量预测方法。分析比较了线性回归、支持向量回归(Support Vector Regression,SVR)、分类回归树(Classification and Regression Tree,CART)、梯度提升树(Gradient Boosting Decision Tree,GBDT)及随机森林(Random Forest,RF)等5