基于数据不平衡下的高速列车小幅蛇行预测方法

高速列车行驶中所产生的蛇行运动会严重影响到列车的行驶安全,所以对蛇行运动进行预测可以做到提前预警。目前对于蛇行运动的研究主要为对蛇行失稳的预测,但列车运行过程中会出现正常到蛇行失稳的小幅蛇行中间状态,对小幅蛇行状态进行预测可以提前对蛇行失稳进行预警。为此,以高速列车转向架横向加速度信号为标准,针对高速列车蛇行运动数据的极端不平衡情形,提出了一种基于1D-CNN和CGAN的非平衡数据的预测方法。该方法首先利用CGAN的对抗性学习机制,通过生成器和鉴别器之间的博弈来优化更新参数。然后,将训练完备的CGAN模型用于生成样本,将增强后的数据送入1D-CNN分类器,并输出预测结果。在高速列车实际运行数据上进行实验,结果表明CGAN可以拟合高速列车蛇行故障运动的数据分布并增强数据集,且基于提出的方法预测精度为97.5%,大幅优于对比方法。因此基于CGAN-1DCNN的小幅蛇行预测方法可以在数据不平衡下对小幅蛇行的预测,实现对蛇行失稳的提前预警。     

基于VMD-LSTMQR的滚动母线负荷区间预测

负荷区间预测能够对负荷出力变化进行概率化分析,准确量化不确定性因素对负荷的影响。相较于传统的点预测,区间预测更能直观反映负荷变化趋势,有助于保障电力系统的安全稳定运行。基于此,文中提出一种基于变分模态分解-长短期记忆神经网络分位数回归（VMD-LSTMQR）的滚动母线负荷区间预测方法。首先,文中采用VMD将原始母线负荷分解成一系列不同频率特征的子序列;接着,确定不同子序列的最优滚动步长并采用LSTMQR分别对不同子序列进行区间预测;最后,将不同子序列的区间预测进行重构,得到原始母线负荷预测结果。文中利用220 kV和10 kV母线负荷数据验证了所采用的区间预测模型相较于传统区间预测模型在预测精度、区间宽度方面得到明显改善。     

基于经验模态分解算法的永磁直线同步电机迭代学习控制

在永磁直线同步电机驱动伺服系统的迭代学习控制(ILC)过程中,针对由于每次运行时跟踪误差的累积,导致系统出现收敛速度降低甚至发散的现象,提出一种基于经验模态分解(EMD)算法的迭代学习控制方法。首先设计闭环ILC控制器,然后利用EMD算法分解ILC过程中的跟踪误差,筛选并消除其中发散的分量,保证ILC的收敛性,提高ILC的收敛速度。仿真和实验结果表明,与传统ILC相比,所提出的控制方法能够使系统的跟踪效果更好,且保证了伺服系统的输出轨迹在较少的迭代次数下快速精确地收敛到期望轨迹。     

基于动态降阶模型的电力系统非线性电压预测控制

传统电压控制多采用潮流方程,电压可能在到达事故后稳定运行点前的过渡过程中失稳,因此基于系统的动态模型进行电力系统电压控制十分必要。该文提出了一种基于动态降阶模型的非线性电压预测控制方法。为降低优化计算时间,结合电力系统的特点对经验Gramian平衡降阶方法加以改进,并应用改进的经验Gramian平衡降阶方法降低电力系统非线性动态模型的维数。为提高模型计算精度和数值稳定性,提出使用4阶收敛的Adams法替代欧拉法进行状态预测,建立基于降阶模型的多步预测-滚动优化模型。此外,在模型求解过程中使用温启动方法和较小的迭代次数限值N~(max)来减少迭代次数。以NewEngland 10机39节点电力系统对所提出的方法进行验证。结果表明,所提出的方法能够提高预测模型的数值稳定性,极大地降低模型求解时间,有利于提前响应系统中可预测的动态变化,维持系统电压稳定。     

基于趋势分析的电力系统态势感知方法

电力系统态势感知是系统安全防御的重要环节。针对目前电力系统态势感知方法无法定量描述当前系统安全距离以及未来系统演化趋势速度的问题,提出基于趋势分析的电力系统态势感知方法。基于趋势分析,提出新型态势感知框架;在信息获取的基础上,引入N-1静态安全距离模型评估系统当前状态和未来状态的安全等级;通过将安全距离模型与定性趋势分析相结合,自动捕捉未来变化状态下运行点的移动方向和趋势变化率,从而对系统安全进行态势感知。经过IEEE 118母线系统和实际电力系统的应用结果表明,文章所提方法可以有效地帮助系统运行人员监测、预测和预防潜在问题。     

基于VMD-WOA-ELM的电缆外力破坏振动信号在线识别

保障电力电缆的安全运行是建设新型智能电力系统的基础，为实现对外力破坏事件的数字化预警，提出基于VMD-WOA-ELM的外力破坏振动信号在线识别方法。首先，利用VMD将采集到的异常振动信号分解为若干本征模量函数分量(IMF),然后提取各IMF分量的时、频域特征值组成特征向量，最后采用极限学习机(ELM)进行振动信号类型识别，为解决ELM模型随机性选取初始权值和阈值导致的分类稳定性较差的问题，将鲸鱼优化算法(WOA)应用于ELM的参数寻优，从而获得最优分类模型。将该方法应用于施工振动信号类型识别实验，分别采集四种典型外破事件的振动信号各100组，将其中80%作为训练集，20%作为测试集检验算法的识别性能，并与传统ELM、PSO-ELM、GA-ELM进行了对比。结果表明：在相同计算机运行条件下，WOA-ELM对外破振动信号的分类准确度达98.75%,相比传统ELM识别精度提高了5%,且整体运行时间仅为4.10 s。与另外两种算法相比，该算法识别精度最高、收敛速度最快，具有最优综合性能。     

基于控制性能考核标准的水火电机组实时协调控制

省级电网的在线有功调度中,水、火电自动发电控制(automatic generation control,AGC)机组和非AGC机组之间缺乏协调,使得水电AGC机组必须保留较大的备用容量,这不利于节能减排,而且会恶化电网安全运行水平。文章在计划机组和AGC机组之间新增一类协调AGC机组,用于协调S机组和Y机组。依据控制性能考核标准(control performance standard,CPS),把运行状态划分为正常区、预警区和紧急区,根据运行状态划分结果来确定C机组当前的协调策略。文中的协调策略可以保证S机组尽量跟踪计划,同时为Y机组提供容量支持。仿真计算和现场实际控制效果验证了文中算法的正确性和合理性。     

高速列车车顶绝缘子的研究进展

高速列车车顶绝缘子是车顶高压设备的机械支撑部件,同时实现接触网与车顶的高压电气隔离,车顶绝缘子闪络将会导致列车供电中断甚至停运。由于中国高铁运行环境的特殊性和严酷性,在高铁运营初期由车顶绝缘子闪络而引起的事故频发,严重影响了高铁的安全运行。随着对相关科学问题研究的持续深入,车顶绝缘子闪络而导致的事故大大减少,但是还未从根本上解决此类问题。综述了高速列车车顶绝缘子在材料与结构、高速气流和污秽条件下的积污闪络特性、强风沙条件下的闪络特性、绝缘状态在线监测、老化试验方法及老化试验平台等方面的研究进展,并对今后的研究工作重点提出了展望。     

基于实测信息的电网薄弱区域在线辨识

针对连续运行的电网,在线辨识其薄弱区域可有效防范运行风险,为此,基于电网运行状态量演变特征分析,提出电网薄弱区域在线辨识方法。通过对状态量耦合关系的分析,得到了连续运行电网失稳风险较大的状态量变化特征,提出节点电压和支路相位角的变化特征指标,以得到节点和支路的薄弱性排序;基于节点与节点、节点与支路的状态量耦合特征和分析,利用该特征指标的期望值,辨识得到了电网的薄弱区域。IEEE39节点系统的算例验证该辨识方法的合理性及有效性。     

输变电设备状态检修模式探析

针对电网企业降低运行成本、提高设备利用率的问题,阐述了变电设备检修工作的现状,分析了状态检修的理论内涵和开展状态检修工作存在的问题.实践证明,设备状态检修能通过先进的状态监测手段、可靠性评价手段以及寿命预测手段判断设备的运行状态,制定合理的检修维护策略,降低维修成本,提高电网系统的安全、经济、稳定运行水平.     

基于小波包的瞬变信号的提取

瞬变信号是低压系统中主要的干扰源之一,对系统的危害非常大。因此,必须对它进行提取和分类,了解它的特征。本文提出了基于小波包分解的提取特征信号的方法。采用该方法可以将干扰源的特征信号从检测信号中提取出来,从而对干扰源进行分类。实验证明了该方法的有效性。     

卫星通信系统中适用于16QAM信号的一种预失真方法

提出了一种用于卫星通信系统中由记忆功率放大器引起的16QAM信号非线性失真的高效数字自适应补偿方法。该方法使用通用记忆多项式模型和间接学习结构构造预失真系统,并使用QR分解递归最小二乘算法动态更新预失真参数。针对QR分解递归最小二乘算法不能直接更新系数矢量的问题,提出了一种称为＂权值冲洗＂的高效权值更新方法。计算机仿真结果表明该方法具有收敛速度快、系统性能稳定、补偿效果好等特点,并适合于大规模电路硬件实现。     

基于奇异值分解方法的FACTS交互影响分析

针对电力系统中多台灵活交流输电装置(FACTS)控制器之间可能存在的交互影响问题,以可控串联补偿器(TCSC)和静止无功补偿器(SVC)2种FACTS控制器为研究对象,提出了一种基于奇异值分解(SVD)的交互影响分析方法,定量分析了新英格兰10机39节点电力系统中同时装设TCSC和SVC时,2台FACTS装置之间可能存在的交互影响问题及电气参数对交互作用的影响。时域仿真结果验证了所提出的方法的有效性,表明电气距离的改变对TCSC与SVC间的交互作用有着较强的影响,增加电气距离,交互影响变弱,缩短电气距离则会加重两者之间的交互影响。     

局部放电离散谱干扰的小波包变换熵阈值抑制法

将信号的小波包变换看做通过等带宽的滤波器组，输出是对应频带上的分量，如某一频带上存在离散谱干扰，其小波包变换树节点的信息熵将会明显增大。同时，提出基于小波包分解和重构算法的熵阈值法。结果表明，这种方法具有良好的自适应性，无须事先确定离散谱干扰的数目及其中心频率，干扰抑制能力强，能准确提取局部放电脉冲的相位，对于单一放电类型，可以标定放电量的大小。     

基于CWTHHT结合的永磁同步电机失磁故障诊断方法及其可行性分析

永磁同步电机失磁故障是驱动电机故障中最为严重的故障之一。失磁故障意味着永磁同步电机的优势显著降低。提出了基于CWT-HHT结合的永磁同步电机失磁故障诊断方法并对其可行性进行了分析。首先简要分析了永磁同步电机稳态运行特性、搭建电机故障试验平台,实时采集电机正常及失磁时的定子电流信号;然后通过信号分析得出:失磁故障下电流信号的EMD分解分量imf4的周期性较正常情况时变差,而且分量imf3所占比例较正常情况时变大;失磁故障下电流信号的HHT图中基波频带较正常情况能量分散了。因此,基于CWT-HHT结合的故障诊断方法是可行的。     

基于AMD-ICSA-SVM的超短期风电功率组合预测

针对风机出力的随机性、波动性和不确定性,提出了一种基于解析模态分解(AMD)和改进布谷鸟优化支持向量机(ICSA-SVM)参数的超短期风电功率组合预测方法。首先,利用解析模态分解将风功率序列分解为不同频率范围的分量,减小不同频率范围间的相互影响。然后针对各序列特点,采用改进布谷鸟方法分别寻找各自支持向量机的惩罚因子参数和核函数参数,以提高单个模型的预测精度。最后对预测结果进行叠加和误差分析。仿真算例表明,所提出的方法可以很好地跟踪风电功率的变化,有效地提高风电功率预测精度。     

电压静态稳定性探讨

根据PQ可控性理论和电压／无功功率关系推出一种改进的雅可比矩 阵。在多机系统进行了论证和计算，结果表明此模型是可靠的。在简单系统讨论了 稳定裕度、最大功率与功率因数的关系。证明了新型雅可比矩阵奇异与全雅可 比矩阵奇异之间的关系。     

基于VMD-WVD的故障行波全波形时-频分析方法

受高阻接地故障、过零点故障和高频噪声等因素的影响,行波波头检测困难,导致行波保护和故障定位方法可靠性不高.由于故障行波具有全时频特性,检测一定时间窗内时频域行波波形将包含全景故障信息,从而实现故障特征可观测.融合故障行波时频域信息,提出了基于全波形信息的故障行波表现形式.在此基础上,提出了一种基于变分模态分解(VMD)...     

基于EMD和相关向量机的短期负荷预测

为提高电力负荷预测的准确性,提出一种基于经验模态分解EMD(empirical mode decomposition)与相关向量机RVM(relevant vector machine)的短期负荷预测方法。该方法利用EMD将目标负荷序列分解为若干个不同频率的固有模态分量I MF(intrinsic mode function),通过分析各个分量的特征规律,构造不同的RVM模型对各分量分别进行预测,再将各分量预测值通过RVM组合得到最终预测值。仿真结果表明,通过EMD分解,预测效果有显著改善,而RVM模型较之BP神经网络模型与SVM模型具有更高的预测精度。