基于多尺度数学形态学和高低频能量比值的海上风电场内部瞬态过电压特征分析

目前,海上风电场集电系统因电气设备频繁操作或故障所引起的高频瞬态过电压尤为严重。为识别不同类型下海上风电场内部过电压的瞬态特性,该文首先提出一种多尺度数学形态学信号特征提取方法,构建形态学结构元素新算子,运用多尺度数学形态分解方法提取瞬态过电压的高低频成分,构建适用于识别海上风电场内部瞬态过电压类型的时域特征量。再基于所构造的高频特征量和高低频能量比值识别特征量,结合支持向量机分类器模型对典型的内部瞬态过电压分类识别。仿真和试验研究表明,所提出的数学形态学算法相对于传统的小波算法,构造的特征量区分度更明显,可以准确地识别过电压类型,为海上风电场变电站电气设备的电压保护整定和绝缘配合奠定基础。     

计及冰灾天气时空分布特征的电力系统主动调度

近年来冰灾天气频发易导致大规模停电事故,有必要提高电力系统的抵御和恢复能力,为此提出一种计及冰灾天气时空分布特征的电力系统主动调度模型.首先量化冰灾对元件的时空影响;然后将系统的拓扑状态转移抽象为马尔科夫链,并将系统区域网络栅格化;进而基于半马尔科夫决策过程建立了主动调度模型,综合考虑元件的恢复过程和薄弱节点脆弱度,预先在冰灾轨迹上对系统潮流重新调度.在IEEE RTS-79系统上进行算例分析.结果表明,模型具有良好的前瞻性和减少负荷削减的效果,并可有效提高系统弹性.     

基于FRA曲线二阶导和面积差的变压器绕组变形分析

提出一种基于FRA曲线二阶导数和不同曲线间面积差的曲线偏移方向和绕组变形严重程度判定新方法,并通过试验验证了所提方法的可行性和高效性.     

基于自适应多特征融合算法的变压器绕组故障诊断方法

提出了一种自适应多特征融合算法,通过多轮迭代自适应地获得对应不同特征支持向量机(SVM)的权值矩阵,并使用该权值矩阵将不同特征SVM的故障类型预测值进行融合,从而提高变压器绕组故障类型识别准确率.     

基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估

为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。     

海上风电场真空断路器投入并联电抗器的过电压及防护

目前,海上风电场暂态过电压研究引起了广泛的关注。为改善现有海上风电场设备模型在高频条件下的局限性,搭建了真空断路器自定义高频合闸模型。考虑并联电抗器杂散电容的影响,建立了典型海上风电场35kV系统模型,用于分析投入并联电抗器过程中在汇流母线及风机端变压器上产生的操作过电压。大量仿真结果与试验显示,海上风电场投入并联电抗器将出现峰值、陡度均高于陆上风电场的操作过电压。针对这种过电压分析了多种保护方案,发现并联安装避雷器和阻容吸收器抑制过电压的综合效果较佳,为海上风电场的设计、关键设备的绝缘保护和日常运维等提供了参考。     

磁控溅射ITO薄膜结构和性能的研究

利用中频脉冲磁控溅射工艺制备ITO薄膜,研究了在衬靶间距为60 mm、衬底温度为350℃、溅射功率为120 W、溅射气压为0.2 Pa的条件下,氧氩比(O2/Ar)、溅射时间对ITO薄膜表面形貌、膜厚、沉积速率及光电性能的影响。通过实验和分析,最终确定了在玻璃衬底上制备ITO薄膜的最佳氧氩比和溅射时间:氧氩比为0.4:40,溅射时间为45 min,获得了方阻为2.55Ω/□,电阻率为1.46×10-4Ω·cm,可见光范围内平均透过率为81.2%的薄膜。     

基于深度门控循环单元神经网络的短期风功率预测模型

随着新能源的不断发展,大量大容量风电机组并入电网运行,给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战。提出一种风功率预测模型,该模型以风电场风功率历史数据以及风速、风向等数值天气预报数据作为输入对风功率进行预测。考虑到风功率预测中输入数据的波动性和不确定性,在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN),以提高模型对原始数据的特征提取和降维能力,并引入dropout技术减少模型中的过拟合现象。工程实例分析表明,所提模型在预测准确度和运算速度方面均优于长短记忆神经网络模型。     

考虑负荷纵向随机性的用户用电行为聚类方法

针对不考虑负荷纵向随机性所导致的数据损失和用户误分类的问题,提出了一种考虑负荷纵向随机性的基于推土机距离(EMD)的用户用电行为识别新方法。该方法通过统计电力用户同一时刻多天的负荷分布情况,从横向和纵向2个角度全面表征用户的用电行为。并结合EMD和欧氏距离度量不同用户用电行为的差异程度。以一组国际通用的居民用电负荷作为算例进行分析,算例结果表明,在横向特性较为相似的用户中,该方法能够很好地提取用户的纵向特性。定性和定量分析均表明,该方法对用户负荷的聚类效果精细合理。     

基于多参量的高压断路器分/合闸线圈的故障诊断

由于分/合闸线圈电流信号和振动信号的变化均可以反映操动机构的运行状态,因此文中阐述了根据多参量来诊断高压断路器分/合闸线圈故障的一种新方法,以提高高压断路器故障诊断的准确率。文中首先介绍了操动机构电磁铁的动作状态,并分析操动机构电流信号与运行状态的关系,其次设计了一套以NI数据采集卡和实时控制器为核心的硬件电路,最后运用多层小波包分解与重构算法对信号进行滤波,结合极值法对信号进行特征值提取,并采用粒子群优化算法与支持向量机相结合的方法进行状态分类。实验结果表明,文中提出的算法能够及时发现高压断路器运行过程中存在的安全隐患,有效提高高压断路器的运行可靠性。