基于测量阻抗变化轨迹智能识别的发电机失磁保护

为了提高发电机失磁保护的选择性和速动性,提出了一种基于支持向量机（SVM）进行轨迹智能识别的发电机失磁保护方法。机端测量阻抗轨迹蕴含大量发电机运行信息,其运动特征能反映发电机的运行状态。首先对机端测量阻抗轨迹进行运动特征提取,将提取的运动特征序列分别进行统计学参数计算,形成24维特征;其次通过相关系数分析和前向序惯法进行特征选择,形成相应的训练输入特征空间,并采用遗传模拟退火算法对SVM进行参数寻优;最后通过仿真样本验证了该方法可准确识别失磁故障。相比传统失磁保护,该方法提高了发电机失磁保护动作的选择性和速动性。     

基于深度学习的发电机故障挖掘方法研究

发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。     

爪极发电机建模及参数优化设计

建立了爪极发电机的三维有限元模型,对其漏磁进行了深入的分析。通过电机参数样本空间设计,利用支持向量机对爪极发电机的漏磁系数进行非线性回归建模分析,然后基于混沌理论对爪极发电机结构参数进行优化。仿真结果表明,支持向量机用于爪极发电机非参数建模准确可行,并且是高效的,非常适合于需要大规模迭代计算的参数优化。将有限元电磁仿真与支持向量机结合用于非参数建模,以及在非参数模型的基础上用混沌进行优化,为爪极发电机及其它的电磁工程设计提供了一种新的思路。     

基于蚁群支持向量机的发电机进相能力建模评估

通过发电机进相运行可有效调节系统运行过电压情况,但发电机进相运行是一个非线性的过程,现有方法难以对发电机进相能力进行精准建模,因此,提出采用蚁群算法优化的支持向量机来对发电机进相能力进行建模评估,可进一步提高支持向量机算法的运行效率和泛化能力。以发电机进相运行时的有功和无功作为支持向量机中数据点集的输入向量,以发电机功角和系统/定子电压作为输出向量进行建模。最后以额定功率为10 MW和300 MW的2台发电机为模型进行试验,通过对比分析试验结果可知,本文提出的蚁群支持向量机具有较强的泛化能力,可较为准确地评估发电机进相能力,有一定的实际工程应用价值。     

基于稀疏贝叶斯学习的电力系统暂态稳定评估

介绍了基于稀疏贝叶斯学习理论的模式识别技术相关向量机及其分类器,在此基础上构建了电力系统暂态稳定评估模型.以EPRI36电力系统暂态稳定仿真数据为例,在相同的数据输入和相同的仿真环境下同时构建相关向量机和支持向量机2种暂态稳定评估模型.仿真预测计算显示,作为一种全新的概率学习模型,相关向量机不仅得到了比支持向量机更高的预测精确度,而且还能得到支持向量机无法完成的概率性预测和更高的稀疏性计算.     

基于最小二乘支持向量机的机车轴承故障诊断

针对神经网络故障诊断存在的诸多问题,提出了基于最小二乘支持向量机的机车轴承故障诊断方法。采用最小二乘支持向量机方法建立多类故障分类器,对输入的特征向量信息进行分类,完成故障诊断功能。仿真证明了最小二乘支持向量机在小样本情况下比神经网络具有更强的泛化能力,用于故障诊断时在识别准确率和抗干扰能力方面有明显的优势。     

基于DDAG支持向量机的汽车车型识别

文章应用DDAG支持向量机方法对汽车图像进行识别。首先采用背景差分方法提取运动汽车,然后用Otsu法进行阈值分割、基于边缘阴影检测方法消除阴影,最后提取运动汽车的RST不变特征,输入DDAG支持向量机进行训练和识别。实验表明,基于DDAG支持向量机的车型图像识别算法具有很好的性能。     

一种基于支持向量机的变压器励磁涌流判别新方法

提出了一种基于支持向量机理论区分变压器励磁涌流和短路电流的新方法。采用二次谐波含量,波形相关系数,铁芯饱和点数,变压器励磁侧的电压值四维特征向量作为支持向量机的输入,同时通过多项式核函数将输入特征向量映射到高维特征空间,试验结果表明,经过小样本学习的支持向量机对变压器励磁涌流和故障电流具有可靠的分类识别能力。     

一种基于支持向量机的变压器励磁涌流判别新方法

提出了一种基于支持向量机理论区分变压器励磁涌流和短路电流的新方法.采用二次谐波含量,波形相关系数,铁芯饱和点数,变压器励磁侧的电压值四维特征向量作为支持向量机的输入,同时通过多项式核函数将输入特征向量映射到高维特征空间,试验结果表明,经过小样本学习的支持向量机对变压器励磁涌流和故障电流具有可靠的分类识别能力.     

基于双馈风电机组控制参数优化的电网功角振荡控制

随着大量风电并网，双馈感应发电机（DFIG）与同步发电机（SG）间的动态交互，将加剧SG功角振荡。基于特征值分析的控制参数优化，未考虑非线性元件和大扰动场景。该文从抑制功角振荡出发，以SG转速为DFIG电力系统稳定器（PSS）输入信号，建立风电并网电力系统动态模型。在微分方程中引入中间变量，以解耦状态变量轨迹灵敏度。区分状态变量与代数变量对应的雅可比矩阵，推导DFIG并网电力系统轨迹灵敏度的解析表达。设定目标函数为SG功角偏差相对值二次方对时间积分，按时间顺序累加功角对控制参数的轨迹灵敏度，得到目标函数对控制参数的梯度信息。考虑DFIG-PSS可能弱化转子侧变流器（RSC）控制效果，提出基于轨迹灵敏度的RSC和DFIG-PSS参数协调优化方法。给出4机2区域系统仿真结果，验证了所提方法对DFIG并网系统功角振荡的阻尼效果。