基于模糊元胞自动机的电网故障演化模型

为了构建与实际电网更加接近的电网故障模型,将模糊理论及元胞自动机(CA)理论相结合,提出并建立了用于模拟电网故障演化的模糊元胞自动机模型,并定义了模型中元胞状态、电网状态及故障传递程度的模糊规则库,同时进行了基于IEEE39节点系统的电网故障传播演化过程仿真。仿真结果进一步验证了电网的自组织临界性(SOC),同时结果表明,该模型较不采用模糊规则的电网故障模型其损失负荷幂律特性曲线斜率绝对值增大了17%,电网更加稳定,该模型与电网实际运行情况更加接近。     

一种极端天气条件下配电网预警系统设计与研究

为了提高配电网在极端天气事件下设备故障及电力失效预测准确率，设计了一种配电网极端天气预警系统。该系统包含三层结构，分别进行信息采集、信息处理和预警与评估。同时，提出了一种预测输电线路在台风灾害下受损概率的混合方法，采用极值Ⅰ型概率分布和蒙特卡罗方法模拟风场，采用随机森林预测输电线路的破坏概率，从而为防灾减灾提供决策支持。通过仿真分析，结果表明所提方法比传统RF方法性能更优。     

双馈型机组风电场三相电网短路故障暂态特性分析

风电场三相电网短路故障暂态特性是研究大型风电场和电网之间相互关系的问题之一.首先基于机理分析,建立了机组和电网数学模型.然后利用Matlab/Simulink仿真环境和机组参数,建立了风电场全系统的仿真模型.最后通过对双馈型机组风电场三相电网短路故障下的数字仿真,得到了风电场和机组各关键参数的响应特性,并着重对它们的暂态特性进行了分析.所建立的模型和仿真结果为今后进一步研究风电场与电网之间的相互影响提供了理论基础.     

基于PSCAD的光伏电站交流侧故障暂态特性分析

光伏电站故障暂态特征分析过程中,由于交流侧电网模型的差异,导致故障暂态特性分析结果可信度系数较低。因此,对基于PSCAD的光伏电站交流侧故障暂态特性进行分析。在PSCAD软件的作用下构建可靠性较高的电网模型。在PSCAD模型内提取出故障电流,并计算故障暂态特征量。汇总电容放电、电流回馈以及电压恢复三个阶段的暂态特征量,获取故障暂态特性分析结果。仿真实验结果表明：单相短路故障出现后电网内部电压跌落20%,故障点暂态电流大幅度增长,分析结果信度系数达到了0.98。     

暴雨的启示如何预防极端天气

及时了解天气情况 对于极端天气,最好以预防为主.对于那些想要出行,尤其是在陌生的城市旅行的人们来说,一款能够及时了解当地天气变化的软件可谓是贴心备至.如果在极端天气来临之前,能及时了解天气情况,提前回到家中或者撤退到安全地区,能避免不少不幸的发生.     

永磁直驱风力发电系统在线实时控制仿真北大核心CSCD

在风力发电系统稳定性优化控制的研究中,随着风电渗透率不断增大,电网电压跌落故障下风电机组运行特性对电网安全稳定性的影响逐渐凸显。针对大功率风电变流器低电压穿越控制策略采用纯数字仿真软件验证时不能真实模拟风电变流控制器故障时的运行特性和不便于新控制算法验证以及仿真电网跌落器难以仿真电网跌落真实情况的问题,搭建一个2.5MW永磁直驱风力发电机组的在线仿真系统。通过实时仿真器RT_LAB和两个数字控制器,能够真实模拟电网电压的跌落情况,反映出风电变流控制器故障时的运行特性。最后针对电网的零电压跌落故障进行了实验。实验结果验证了在线仿真系统的有效性,为大功率风电系统开发和新型控制策略的验证提供了科学依据。     

CINRAD/CB型天气雷达远程机外定标系统的设计与实现

新一代天气雷达站的建设普遍采取局站分离的方式,不利于雷达的日常维护和机外定标,在极端天气情况下,由于技术保障人员无法到达雷达站,严重影响雷达保障的时效性;CINRAD/CB型新一代天气雷达远程控制和在线定标系统能够有效解决雷达远程机外定标的问题,其由硬件子系统和软件子系统两大部分组成;硬件系统采用嵌入式结构和FPGA封装技术相结合的架构,软件系统采用B/S的架构;在某新一代天气雷达站经过为期一年实际应用,该系统实现了CINRAD/CB型新一代雷达的远程机外定标、故障报警维护和雷达附属设施监控等功能并远程排除雷达故障10余次,达到了系统设计的目标.     

基于混沌差分进化FCM算法的舵回路故障诊断

为了提高故障分类的准确性,提出了一种混沌差分进化模糊C-均值故障识别方法(CDEFCM,chaotic differential evolution fuzzy C-mean).该方法利用差分进化算法高效的全局搜索能力以及混沌序列的均匀遍历特性,克服了模糊C-均值算法(FCM,fuzzy C-mean)对初始值敏感的缺点及遗传算法易收敛到局部极值点的缺陷,用该方法进行故障聚类分析,可以准确地识别故障.以某飞控系统舵回路常见故障为例进行了仿真验证,结果表明该方法能有效地识别出故障.     

变压器有载分接开关运行维护及故障处理

介绍电网变压器有载分接开关基本特性、构成要素、工作原理,以及运行维护中需注意的事项、故障因素及预防措施.     

连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

基于 HY-FMV 模型的雷暴天气预测研究

本文以极端天气中的雷暴天气为研究对象,基于历史气象数据预测未来三小时是否发生雷暴。为预测雷暴是否发生,本文分别对极端天气气象数据的采样、数据预处理、特征选择,以及建模分析进行了研究,最终提出一种基于机器学习方法的HY-FMV模型框架对雷暴天气进行预测。该模型采用混合模型进行数据预处理,基于概率分布与模型评价进行特征的选择和构建,并使用梯度提升树算法对极端天气进行预测分类。最后,本文以2010年到2015年福建和广东两省数据为例,分别使用本文所提出的HY-FMV模型,和随机森林算法等进行雷暴天气预测,结果表明,本文所提出的HY-FMV模型在F1指标上精度达到78%,相比其他算法,在雷暴天气预测精度上提高了0.5%-0.6%。     

少故障数据条件下SFEP最终事件发生概率分布确定方法

为了在获得少故障数据条件下得到适合的系统故障演化过程（system fault evolution process，SFEP）中最终事件发生概率分布，提出一种考虑信息扩散且数据较少情况下的最终事件发生概率分布计算方法。该方法利用信息扩散原理以事件发生时因素为中心在研究区域内形成正态分布。同一事件的多次发生在研究区域中取最大值形成该事件发生概率分布，从而得到SFEP中边缘事件发生概率分布。将SFN中事件关系表示为关系组从而叠加关系，得到最终事件发生概率分布解析式计算分布。研究表明，所得结果与原有精确结果具有较高的符合性，但所需故障数据则少得多。可借助该方法在少故障数据条件下研究SFEP最终事件发生特征。     

Modelling the distribution of solar spectral irradiance using data mining techniques

A procedure for modelling the distribution of solar spectral irradiance is proposed. It uses both statistical and data mining techniques. As a result, it is possible to simulate solar spectral irradiance distribution using some astronomical parameters and the meteorological parameters solar irradiance, temperature and humidity. With these parameters, the average photon energy and the normalization factor, which characterise the solar spectra, are estimated. First, the Kolmogorov–Smirnov two-sample test is used to analyse and compare all measured spectra. The k-means data mining technique is subsequently used to cluster all measurements. We found that three clusters are enough to characterise all observed spectra. Finally, an artificial neural network and a multivariate linear regression are estimated to simulate the solar spectral distribution matching certain meteorological parameters. The results obtained show that over 99.98% of cumulative probability distribution functions of measured spectra are the same as simulated ones.     

Imprecise prior knowledge incorporating into one-class classification

An extension of Campbell and Bennett’s novelty detection or one-class classification model incorporating prior knowledge is studied in the paper. The proposed extension relaxes the strong assumption of the empirical probability distribution over elements of a training set and deals with a set of probability distributions produced by prior knowledge about training data. The classification problem is solved by considering extreme points of the probability distribution set or by means of the conjugate duality technique. Special cases of prior knowledge are considered in detail, including the imprecise linear-vacuous mixture model and interval-valued moments of feature values. Numerical experiments show that the proposed models outperform Campbell and Bennett’s model for many real and synthetic data.     

基于大数据的分布式光伏接入配电网影响分析与功率预测研究

为提高分布式光伏发电功率预测的精度,满足电网调度和规划的高精度要求,本文利用光伏运行、电能量采集、电网调度等业务系统的海量数据,利用大数据分析方法研究大量分布式光伏接入对配电网负荷特性的影响,并提出基于气象相似日和粒子群算法优化BP神经网络的光伏电站功率预测方法。通过分析光伏发电功率随天气类型、温度、光照强度等气象因素变化规律,运用模糊聚类算法计算确定待预测日的气象相似日序列,选取气象相似日历史数据作为BP神经网络预测模型的输入变量,并采用粒子群算法方法优化BP神经网络的初始值,最终输出分布式光伏各时段发电功率的预测值。实验结果表明该方法可有效提高光伏电站功率预测模型的收敛能力和学习能力,具有较高的预测精度。     

基于局部熵双子空间的多模态过程故障检测

为了提高非高斯工业过程的检测性能, 提出局部熵双子空间(LEDS)的多模态过程故障检测方法. 运用局部 概率密度估计构建数据的局部熵矩阵, 消除数据的多模态特性. 用Kolmogorov-Smirnov (KS)检验局部熵数据中变 量的正态分布特性, 对高斯分布和非高斯分布的数据分别建立基于PCA的高斯子空间和ICA的非高斯子空间故障 检测模型. 利用Bayesian决策将检测结果转化成发生故障概率的形式, 将检测结果组合成最终的统计信息, 进行故 障检测. 将该方法应用于数值例子和田纳西–伊斯曼多模态过程, 仿真结果表明, 该方法在误报率较低的情况下, 故 障检测率最高, 优于PCA、局部熵PCA(LEPCA)和局部熵ICA(LEICA)方法.     

证据理论在某装备检测系统中的应用

不确定性是复杂系统故障的重要特性,给诊断工作带来很大困难。贝叶斯方法需有统一的识别框架、完整的先验概率和条件概率知识等要求,但实际应用中很难满足这些条件,因而不适宜解决数据不确定性问题。由于证据理论不需要先验概率和条件概率密度,采用信度函数,对不确定信息描述采用"区间估计"在区分未知与不确定方面及精确反映证据收集方面显示出很大灵活性。     

Kriging方法在输电线路气象环境建模中的应用

由于气象测点个数有限、分布不均匀且与线路走廊不一致,无法为研究灾害引发的线路故障及其防御技术提供精确的输电线路气象环境数据模型.为此,本文分析了Kriging空间插值方法的实现原理,应用Kriging插值方法实现对输电线路气象环境数据的网格化建模,并制定插值结果校验方法及评价标准,选取江苏省级电网可获取的996个气象测点2017年某日的温度数据,通过Kriging法进行网格化插值并对结果进行分析比较,验证了适用于该区域输电线路的温度数据网格化插值的Kriging半变异函数模型的选取过程.     

基于分布估计算法的配电网故障区段定位

传统的人工智能算法在配电网馈线故障定位中的应用广泛,存在初始种群规模大,迭代次数多以及易陷入局部最优等缺陷。提出一种基于分布式估计算法的配电网故障区段定位方法,该方法将故障区段向量作为正确解,通过建立解空间内个体分布的概率模型,对模型采样,逐步提高最优故障区段向量在解空间内出现的概率。仿真结果表明将分布估计算法应用于多源开环条件下的配电网故障区段定位有着较快的故障定位速度和良好的容错性。     

基于K最近邻模型的青藏高原CMORPH日降水数据的订正研究

青藏高原的降水数据主要由遥感产品和多源观测数据融合产生,由于青藏高原的观测站点分布稀疏不均,遥感数据误差较大,因此常用的CMORPH(Climate Prediction Center Morphing Technique)等降水数据集精度有限。通过K最近邻(K-Nearest Neighbor,简称KNN)模型,可以建立环境(海拔、坡度、坡向、植被)、气象因子(气温、湿度、风速)和日降水量的关系,从而订正青藏高原的CMORPH日降水数据集,提高数据精度。对CMORPH日降水数据的误差分析表明,采用KNN模型订正后的CMORPH降水数据优于原始数据和采用PDF(Probability Density Function Matching Method)法订正的CMORPH数据,且空间分布较好地符合青藏高原的降水分布特征。