基于相角控制法的电流互感器取电电源设计

根据电流互感器的工作原理,建立了电流互感器取电线圈的负载工作模型。理论推导并实验验证了取电线圈输出功率与磁化电流及功率输出导通角口的关系,在此基础上提’出基于相角控制法的电流互感器取电电源设计方法。在可输出功率充足时通过在每个周期内使取电线圈输出功率等于负载消耗的功率,从而使电流互感器取电电源在较大导线电流范围内稳定工...     

导线监测装置取电研究

对输电线路进行在线监测时,其电源的供给是关键问题之一.在此提出了一种利用特制的铁心感应取能给高压侧电路供电的装置,其前端保护装置中包括输出功率控制电路,可将取电线圈的输出功率限定在一个较小的范围;后端包含可充电的锂电池组,通过合理的相角控制策略,在输电线路的电流在0.04～1.5 kA范围内可实现稳定的功率输出,并在电...     

输电线路动态增容运行风险评估

输电线路动态增容系统作为智能输电线路技术支撑系统的重要部分,能提高输电设备的利用效率,帮助运行人员更好地掌握当前线路的运行状态。为确保输电线路增容运行的可靠性和安全性,文中研究提出基于马尔可夫链蒙特卡洛方法对输电线路增容运行后的风险进行评估的方法。该方法主要利用各微气候监测参数后验分布的随机序列来建立风向、风速和环境温度等气候概率分布模型,结合线路负荷电流模型利用蒙特卡洛模拟来预测导线的温度分布,从而给出线路增容运行的风险指标。基于夏冬2季的典型监测数据,利用所提出的方法对动态增容系统给出的热容量的可靠性进行分析,结果表明线路运行风险控制在合适的范围以内,满足电网运行和调度工程的要求。     

基于信号模型参数辨识的变电站局部放电电磁波信号重构

抑制现场噪声干扰、有效提取信号特征是局部放电(PD)信号检测和分析的关键,为此,利用自回归–滑动平均(ARMA)模型对局部放电辐射的特高频(UHF)电磁波信号建模,给出了利用高阶累积量估计模型阶数和参数的理论依据和算法。以混有Gauss白噪声及定频干扰的双指数振荡衰减函数模拟局部放电辐射的UHF信号,利用ARMA模型参数重构信号的Fourier变换幅值,利用双谱估计重构其Fourier变换的相位,最终重构时域信号,以验证该算法重构信号的有效性。利用该方法重构变电站实测的局部放电辐射的UHF信号,验证了该算法在变电站现场干扰情况下,可从现场采集到的含有噪声的信号中重构出只相差常数因子和线性相移的有用信号。且算法辨识得到了信号的ARMA模型参数及重构得到的UHF信号频谱及时域信号,可以给局部放电类型识别等进一步处理提供参数。     

基于频域反卷积的局部放电特高频传感器时域参数研究

时域信号特征分析是直流局部放电类型判断和严重程度分析的重要手段,而局部放电特高频检测传感器普遍采用频域有效高度作为主要性能参数,无法直观描述传感器的时域响应特性。因此提出一种通过时域参数表征特高频传感器性能的方案:在有效高度标定体系的基础上,经由Hilbert变换获取时域解析脉冲响应函数,并提取出包络峰值、包络宽度和振荡时间3种时域参数。利用Guillaume-Nahman技术克服了频域反卷积求取时域参数过程中的病态问题,避免脉冲响应淹没于高频噪声之中。使用该方案仿真研究了椭圆偶极子传感器和对数周期传感器的时域特性,结果显示后者的时域响应波形具有更高的峰峰值、更短的上升时间和更严重的拖尾效应,并通过模拟局部放电实验验证了该结论。研究结果表明,利用本方案提取出的时域参数与有效高度参数相比,能够更准确地描述UHF传感器在接收脉冲信号时的行为特征,可为局部放电UHF检测信号时域波形的有效对比和分析提供技术支撑。     

基于大数据分析的输变电设备状态数据异常检测方法

传统的阈值判定方法难以准确检测输变电设备的状态异常,该文提出一种基于时间序列分析和无监督学习等大数据分析的异常检测方法,从数据演化过程、数据关联的全新角度实现异常检测。通过时间序列模型和自适应神经网络对历史数据潜在的特征进行挖掘,并将数据对时间的动态变化规律用转移概率序列表示。针对多维的监测数据,运用无监督聚类方法简化各参量之间的相关关系,从而避免参量间相关性难以确定的问题。提出异常检测体系,并使之适用于输变电设备状态监测数据流,实现数据流中异常的快速检出。最后结合运行实例验证了提出方法的有效性,表明本方法能快速检测出设备的异常运行状态。     

基于曲流技术的多频段特高频传感器的研制

变电站局部放电(PD)检测特高频传感器的工作频率范围为300~1 500 MHz,为避开该频段内手机信号等诸多外界干扰,基于环形天线原理和曲流技术设计了一种新型多频段全向特高频传感器。通过仿真和实测研究了该传感器的局部放电检测性能,并将其与宽频传感器的局部放电检测性能进行对比。结果表明,该传感器的工作频段为480~520、800~850、1 100~1 150 MHz,覆盖了电晕放电、沿面放电、自由金属微粒放电3种典型的局部放电缺陷信号的主要频率范围;且具有体积小、近似全向测量和灵敏度高的特点。该传感器能较好地检测各种类型的放电信号,满足变电站局部放电检测及定位要求。     

基于正交分解的MOA泄漏电流有功分量提取算法

监测金属氧化物避雷器(MOA)泄漏电流的根本目的在于监测MOA因老化、受潮等原因引起的有功功耗的增加和发热等状况.本文应用功率理论对MOA泄漏电流的阻性分量进行了分析,指出当电网电压存在谐波时,泄漏电流中只有与电压同形同相仅幅值相差一个比例系数的分量消耗有功功率.然后根据Fryze的经典功率理论,将泄漏电流正交分解为有功分量与无功分量.利用两者在欧氏函数空间的正交特性,提出了一种提取有功电流分量的新算法,并推导出了该算法的数字化简化公式.最后应用五次多项式拟合方法建立了正常与老化状态下MOA的数学模型,通过仿真算例验证了该算法的正确性与有效性.该算法物理意义明确,从根本上克服了电网电压谐波的影响,可用于MOA的带电检测和在线监测.     

面向新型电力系统的数字化电力设备关键技术及其发展趋势

新型电力系统对设备状态以及运行环境等信息感知的深度和广度有更高的要求，亟需利用先进的数字化和信息化技术对传统电力设备进行升级，构建新一代的数字化电力设备。因此提出了数字化电力设备的定义、内涵特征和基本架构，详细阐述了电力设备状态智能感知、电力设备物联网平台、数字孪生建模仿真和状态精准评估诊断、复杂多维信息合成与可视化等电力设备数字化关键技术的研究现状和存在的问题，并展望了未来的重点研究方向及技术发展趋势，包括电力设备全景状态感知、多场景数字孪生仿真、数字化测试和试验、智能感知芯片等。     

基于样本集成学习和SO-SVM的变压器故障诊断

针对变压器故障样本类别不平衡造成分类模型准确率偏低的问题，提出一种基于样本集成学习和蛇优化算法（SO）优化支持向量机（SVM）的变压器故障诊断模型。该模型先利用EasyEnsemble采样器对样本进行多次欠采样后生成类别平衡的多个子集；然后以Bagging策略训练SO优化关键参数后的SVM模型，综合各个分类器结果得到最终故障类型。通过算例对所提模型有效性进行验证，数据表明，SO-SVM的故障诊断相比于RF、SVM、KNN等模型，诊断准确率分别提高了3.44%、6.89%、10.92%，AUC值分别提高了0.026 4、0.042 5、0.081 2；在同一分类器下，SO-SVM模型相比于SMOTE和ADASYN样本平衡方法，诊断准确率分别提高了4.59%、2.87%，说明SO-SVM模型对不平衡样本的故障诊断能力更优。