基于深度置信网络的双馈风机变换器开路故障诊断

双馈风机的定子与电网直接连接,转子通过转子侧变换器和网侧变换器与电网进行功率交换。变换器的电力电子开关容易发生开路故障,影响双馈风机的安全稳定运行。文中针对双馈风机常见的变换器开路故障,提出一种基于深度置信网络的故障诊断方法。首先分析了双馈风机在转子侧变换器和网侧变换器的单个和双个开关管故障下的输出响应。基于双馈风机的变换器开路故障数据,构造多层受限玻尔兹曼机结构,充分利用深度置信网络优异的模式识别能力,深度提取不同故障条件和运行工况下转子电流和网侧电流的信号特征,提高算法准确度。仿真结果表明,该故障诊断方法能够准确识别单开关和双开关的多类型复杂故障。     

基于长短期记忆网络的继电保护测试故障诊断研究

为提高智能变电站继电保护测试效率,解决数字式继电保护试验装置无法对整个测试过程中出现的故障自动进行诊断的问题,提出基于长短期记忆(Long Short-Term Memory,LSTM)网络的继电保护测试故障诊断方法.梳理了故障断面特征信息和故障类别,建立了多故障诊断模型,构建了故障诊断流程.以典型220 kV继电保护...     

基于IMHSA-MSCNN-BiLSTM的风机轴承故障诊断

由于风力发电机组的非平稳运行条件和周围恶劣的工作环境,风机轴承故障振动脉冲特征易被随机噪声干扰所淹没,这给准确检测滚动轴承故障造成了挑战。为了降低随机干扰对后续特征提取的影响和算法复杂度,提出了一种改进多头自注意力机制（IMHSA）-多尺度卷积网络（MSCNN）-双向长短期记忆网络（BiLSTM）的风机轴承故障诊断方法。首先,由周期空洞自注意力和局部自注意力组成的IMHSA对特征进行增强,以减少随机干扰影响及特征增强过程中的时间消耗;然后,利用MSCNN-BiLSTM网络提取故障信号中的空间特征与长期依赖特征;最后,经全连接层和Softmax层输出风机轴承故障诊断结果,并采用实验台滚动轴承实际运行数据进行算例分析,通过与领域内其他同类方法的对比,验证了所提方法的有效性和优越性。     

基于长短期记忆网络的售电量预测模型研究

售电量预测对优化供电结构以及了解经济走势具有重要意义,然而,传统售电量预测方法难以从售电量及其影响因素的数据中自动抽取到较好的数据特征。为此,文中提出一种基于长短期记忆网络的售电量预测模型,该模型通过分析售电量数据及其影响因素的相关性,提出一种行业聚类方法,该方法根据不同行业的数据特征对相似的行业进行聚类,并根据聚类结果训练长短期记忆网络模型。文中模型能够学习售电量数据以及相关影响因素的数据特征和内在关联关系。实验结果表明,文中所提出的预测模型比经典的预测模型具有更高的准确度。     

基于长短期记忆网络的PMU不良数据检测方法

同步相量测量单元(Phasor Measurement Units, PMUs)因其同步性、快速性和准确性,已成为复杂电力系统状态感知的最有效工具之一。但是,现场的复杂环境导致PMU数据存在数据丢失、数据损坏、同步异常、噪声影响等质量问题,严重影响其在系统中的各类应用,甚至威胁电网安全稳定运行。提出了一种基于长短期记忆(Long Short-Term Memory,LSTM)网络的PMU不良数据检测方法。首先分析了LSTM在不良数据检测中的优势。然后基于LSTM网络对时间序列选择记忆的特性,构造了一种双层LSTM网络架构,提出了对原始数据的分解重构方法。在此基础上,定义了两种目标函数,以获得不同的误差特征。提出了一种基于决策树的不良数据阈值确定方法,实现了不良数据的有效检测。通过大量仿真与实测数据验证了该方法的可行性和准确性,可提高PMU数据质量,使其更好地应用于电力系统的各个方面。     

基于长短期记忆神经网络的光伏阵列故障诊断

目前的故障诊断方法无法精确识别与定位光伏发电系统中光伏阵列的故障,导致光伏发电运维成本增加.为此,本文提出一种基于长短期记忆(LSTM)神经网络的光伏阵列故障诊断模型.在MATLAB/Simulink软件环境下,搭建光伏发电系统仿真模型,采用扰动观测的最大功率点跟踪(MPPT)算法和电网电压闭环控制策略,分析光伏组件断...     

基于长短期记忆网络的继电保护装置可靠性评估方法

为解决失效数据样本量过小对继电保护装置可靠性评估产生的精度影响, 提出了一种基于长短期记忆 (LSTM)网络的小样本故障率数据下的继电保护装置可靠性评估方法.该方法采用装置运行时间构建多维输入变量, 预测平均故障率,并由扩充的故障率数据进行故障率模型的参数估计,最后得到装置的可靠使用寿命,并作为继电保 护装置建议退出运行时间.算例分析表明该方法对小数据样本进行了有效的扩充,实现了快速精确的寿命估计.     

基于改进长短期记忆网络的电力负荷预测研究

针对用户用能分析中电力负荷预测模型的变量冗余和收敛困难问题,提出一种基于改进长短期记忆网络(long short-term memory, LSTM)的短期负荷预测模型。首先利用FP-tree对复杂的负荷数据和气象数据进行分析,筛选负荷强关联因素,构建出训练数据集;其次建立LSTM负荷预测模型,并使用关联性分析得到的强关联因素训练负荷预测模型;最后,选取美国Homestead地区的历史数据进行仿真分析。通过对比遗传算法优化反向传递神经网络算法和鲁棒性损失函数的人工神经网络型的预测结果,预测模型的精度和稳定性满足要求,在实际中具有一定的应用价值。     

基于长短期记忆网络的电网数据自动摘要研究

出于在混合大数据中准确且高效地提取电网相关价值性信息的目的,研究基于长短期记忆网络与人工蜂群优化算法的电网数据自动摘要算法。进行双向LSTM学习目标词语前后文信息的设计,增加注意力机制,对电力范畴词汇及术语进行提取,借助条件随机场模型执行对嵌入序列的训练任务,预测句子是否可划归至电力范畴,在改进人工封群优化算法的支持下,优化处理大数据电力摘要提取问题,从混合大数据中将价值最高的电力相关数据确定下来。基于实际电网数据对本文算法进行验证,结果显示该算法获得了较好的效果。     

基于输入更新长短期记忆网络的调度自适应学习模型

新能源机组大量接入电力系统和负荷快速变化引入了不确定性。为此,提出了一种基于海量历史数据,利用深度学习方式求解考虑不确定性的实时调度问题的新思路。首先,利用负荷矩阵相关性分析确定面向各调度时刻的训练样本集的基本结构;其次,基于美国PJM电力市场提出的完美调度理念,生成学习模型的训练目标,并构建各自适应学习模型的差异化训练样本集;然后,提出基于输入更新的长短期记忆(LSTM-IIU)网络,构成面向各调度时刻的实时调度自适应学习模型;最后,以WSCC 9节点和IEEE 118节点标准算例验证所提方法的可行性和适用性。与基于非线性优化理论得到的调度方案相比,文中方法能更好地对完美调度方案进行学习,提升考虑不确定性的调度能力。     

永磁同步风力发电机最大功率跟踪技术研究

介绍了风力发电机运行原理,以及常用的风力发电机功率跟踪技术.在Buck-Boost Chopper电路的基础上,对其进行反向应用,推导出永磁同步风力发电机功率和Buck-Boost Chopper电路IGBT(绝缘栅双极晶体管)占空比的关系式.采用爬山搜索法对风力发电机最大功率进行搜索,并通过Matlab/Simuli...     

基于直接电流控制的永磁同步发电机控制研究

针对永磁同步发电机(PMSG)系统交流器控制稳定性问题,提出一种改进的直接电流控制策略,通过引入自适应调节后的电流再加上前馈补偿项,从而得到精确的变流器电压控制信号。搭建了改进控制策略的仿真模型,分析验证了改进策略的可行性。在此基础上采用DSP+FPGA实现了所提出的控制策略,并进行了相关的实验,结果证明,该控制策略下的直驱风电变流器并网冲击小、谐波含量低、电流平衡度高。     

小型永磁风力发电系统的PSCAD/EMTDC仿真研究

针对实验室的小型永磁风力发电系统,在PSCAD/EMTDC仿真环境中搭建了相应的仿真平台,并在此平台上进行了改进最大功率点跟踪(MPPT)算法的仿真分析。仿真结果证明改进爬山搜索MPPT算法搜索速度明显加快,当风速突然改变,系统功率改变速度很快时,也能快速回到功率最大点。     

直驱永磁同步风电机组的三相短路故障特性

以直驱永磁同步风力发电机组为研究对象,重点研究采用不可控整流结构变频器的逆变环节,建立了包括永磁同步电机在内的传动系统、变频器等环节的数学模型和相应的传递函数关系。在Matlab／Simulink环境下搭建了完整的直驱永磁同步风力发电机组与电网的仿真模型,对三相对称短路故障情况下风力发电机组的运行特性进行了全面研究,研...     

基于类神经网络的MW永磁风力发电机短路故障智能诊断

针对大型永磁风力发电机故障诊断工作薄弱的现实,通过建立基于发电机结构的典型短路故障仿真模型,对多种电磁场和温度场故障联合研究,利用同一模型场路耦合求解电磁场和温度场,得出短路故障发生时的电磁场和温度场数据及分布规律;为提高诊断可靠性,先利用BP网络诊断,后利用Elman神经网络对动态系统诊断较为优越的特点诊断,最后概率神经网络(PNN)对短路故障发生时的多源数据(电流、磁场、温度和振动特征信息)融合处理诊断,以判断发生单一或者复合故障;结合MW永磁直驱样机的试验数据及风电场的运行数据,对发电机典型短路故障进行理论结合试验的诊断,分类对比了诊断结论.     

高速永磁同步风电机组低电压穿越的研究

研究高速永磁同步风电机组的控制策略,提高其低电压穿越能力。在matlab／simulink环境下构建了背靠背双PWM变流器并网的高速永磁同步风电机组仿真模型。模拟了发电机和变流器在电网电压跌落30％（0．6s）,60％（2s）时的运行情况。仿真结果表明：高速永磁同步发电机机组功率跟踪良好,在电网电压跌落时对电网提供无功...     

应用深度自编码网络和XGBoost的风电机组发电机故障诊断

针对风电机组现场故障样本难获取的问题,为实现风电机组发电机部件的故障诊断,通过分析风机监控与采集(SCADA)数据,设计了基于深度自编码(DAE)网络和XGBoost的故障诊断算法。该算法包含两部分:第一部分是DAE故障检测算法,通过DAE获取SCADA数据的重构值,分析重构误差的变化趋势与其超越阈值的情况以预测风机故障和提取故障样本;第二部分是XGBoost故障识别算法,用贝叶斯优化搜索XGBoost的最优超参数,建立XGBoost多分类故障识别模型。算例结果表明,DAE算法能够捕获风电机组发电机早期故障,XGBoost比其他算法更精确地识别不同故障类型。     

基于LabVIEW的永磁同步风力发电系统研究

介绍了采用双PWM电压源型全功率变流器的永磁同步风力发电控制系统,详细分析了永磁同步电机和变流器的数学模型.根据风速模型和风力机的特性,研究了在不同风况下的变流器控制性能.利用NI公司开发的LabVIEW软件及相关硬件,搭建了基于电压源型双PWM变流器的永磁同步风力发电控制系统实验平台,并完成了整个系统的软件和硬件设计.最后通过实验平台进行实验,验证了控制策略的有效性和可行性.     

风电变流器中永磁同步电机无传感器控制技术

针对兆瓦级直驱风电变流器中永磁同步电机无传感器控制技术的重要作用,根据永磁同步电机的数学模型,提出了一种基于电机反电动势闭环锁相环的永磁同步电机位置的估算算法,并进行了仿真和实验验证。仿真和实验结果表明:利用该估算方法能够准确计算出永磁同步电机的位置,实现对直驱风力发电系统中的永磁同步电机的有效控制。     

采用飞轮储能的永磁直驱风电机组有功平滑控制策略

风速的不稳定性和间歇性使得采用最大风能捕获控制策略的风电机组输出有功功率会随风速的变化而波动,影响风电机组的输出电能质量,引起电网频率波动,甚至带来电网的稳定性问题.简单分析了永磁直驱风电机组的全功率双脉宽调制(PWM)交-直-交变流器的控制策略,提出了在不改变现有变流器控制策略的前提下,在变流器的直流侧接入飞轮储能系统,用以实现风电机组输出有功功率的平滑控制.设计了飞轮储能系统的能量控制策略,并给出了平滑功率值的计算方法.对1.3 MW永磁直驱风电机组的运行特性进行了仿真研究,仿真结果表明,采用所提出的飞轮储能系统能量控制策略能够有效平滑风电机组输出有功功率,提高了风电机组的输出电能质量.