基于正序电压变化量的故障电压暂降源定位算法

随着越来越多敏感负荷接入电网,由电压暂降问题直接及间接带来的经济损失日趋严重。在各类电压暂降中,故障引发的电压暂降占比最大,对其进行准确定位是高效治理电网故障的必要前提。文中针对故障型暂降源提出一种基于正序电压变化量的定位方法,基于发生故障时各监测点的正序电压分布特性,建立监测点信息库和各支路故障距离定位模型;然后基于马氏距离与Pearson相关系数定义相似度指标,利用信息库匹配的方法对故障所在支路进行初选;最后采用遗传算法对最优故障距离目标函数进行寻优,定位故障源。利用IEEE 14节点仿真系统对所提方法的有效性与准确性进行了验证。     

基于SVM的直流电能质量扰动分类算法

近年来分布式能源发电的规模逐渐扩大,更具优势的直流供电技术也随之飞速发展,未来电网的主要模式将大概率趋向交流电网和直流电网混联的电网结构.其中交流电能质量问题已逐渐成熟,而相应的直流部分仍有待研究.对直流电能质量扰动波形进行有效区分与准确辨识,是研究直流电能质量必不可少的环节.直流电能质量扰动波形分类算法研究对直流配电...     

高压断路器外空间电场强度相别差异特征分析

为提升高压断路器外绝缘特性的监测水平，针对高压断路器相别间的相对电场强度关系进行研究。基于模拟电荷法计算了断路器外空间电场，依据实际参数对断路器进行了有限元建模分析，在验证计算正确性的同时，分析了断路器不同相别间的电场强度差异。提出了一种描述断路器相别间电场强度差异的关系函数，并建立了相别电场强度关系指标，量化分析了断路器相别间的电场强度差异。通过对江苏某500 kV变电站50台断路器的实际现场数据分析，验证了差异特征分析结果的有效性，可为高压断路器的状态监测提供参考。     

计及雷击情况的基于PDT-SVM暂降源辨识方法研究

目前,电压暂降已成为影响最突出的电能质量问题之一,为有效分析雷击对电网暂降的影响程度,对雷击导致电压暂降的情况进行了详细分析,准确辨识了包括雷击导致暂降情况在内的4种暂降类型,为合理划分暂降责任提供重要依据。文中首先分析了雷击故障导致暂降的有效值波形与普通短路故障之间的区别,归纳了短路故障、雷击、变压器投切及感应电机启动4种暂降类型电压有效值波形的特点,引入5个暂降电压特征指标,并建立了暂降类型辨识特征矩阵。然后采用基于粒子群聚类优化的决策树支持向量机(PDT-SVM)分类器对4种暂降类型进行辨识。分类器的训练与测试数据均来自电网实测暂降电压数据,与工程实际密切贴合。最后,算例分析结果验证了算法的有效性和准确性。     

基于空间矢量复合判断指标的变电站动力电缆漏电检测算法

为提高变电站长段动力电缆漏电监测水平,提出了一种基于空间矢量复合判据的变电站长段动力电缆漏电检测算法。首先对现有方法中无法检测三相漏电故障的问题进行了分析。然后,引入空间矢量的概念,将剩余电流数据转换为空间矢量圆,提出了剩余电流差流、A相漏电流以及空间矢量圆半径变化率3个漏电状态判断指标。并建立了针对电缆不平衡漏电及三相漏电故障的类型判断机制,实现了对长段动力电缆漏电状态及类型的准确检测。最后,通过仿真及江苏电网某500 kV变电站实际数据对所提方法的有效性与优越性进行验证。结果表明,该方法能够准确实现对不平衡漏电故障、故障演变过程以及三相漏电故障的判断,丰富了电缆漏电故障的诊断信息,有效提高了对变电站漏电问题的分析处理效率。     

基于多状态数据均衡与XGBoost的特高压换流阀运行状态评估

为减少直流系统停运与检修时间,提高换流阀运行的稳定性,提出一种基于多状态数据均衡与极端梯度提升(extreme gradient boost,XGBoost)的特高压换流阀状态评估方法.首先,针对晶闸管换流阀的主要部件,提取晶闸管组件、阀冷却组件、阀避雷器以及外部环境等4类特征指标;然后,提出一种基于孤立森林与合成少数...     

新型饱和铁心型高温超导故障限流器等效电路和仿真分析

基于饱和铁心型高温超导故障限流器的基本工作原理,提出了一种新型高温超导故障限流器的铁心结构和交直流线圈配置方式。通过理论分析,介绍了新型结构的工作原理,建立其等效二端口电路模型,推导出电路模型的参数,分析了交流绕组在直流回路中产生的感应电流大小。结构限流器通过缩减偏置磁路的有效长度,降低偏置电流的大小。对新型高温超导故障限流器进行仿真分析,仿真结果表明,在系统正常运行时,结构限流器对交流回路电流的影响很小,在系统发生短路故障时,能够有效、快速地将短路电流限制在合理范围内。     

基于深度信念网络的高压断路器故障识别算法

针对高压断路器故障现有故障诊断算法中,特征提取不准确导致分类正确率较低的问题,提出了基于深度信念网络的高压断路器故障识别方法。深度信念网络(Deep Belief Network,DBN)是非监督的深度神经网络,由多个受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)叠加起来组成。首先使用无标签的数据样本自下而上的对各RBM层逐层训练,得到各层最优参数;再以此为初始参数将DBN展开成反向传播的结构,使用带标签的数据样本进行全局的参数微调;最后得到DBN分类网络。这一过程中,有效避免了特征提取的人工操作,解决了网络训练的局部最优问题,使断路器故障诊断更加智能化。通过试验结果可知,该方法可准确、可靠地用于诊断断路器主要机械故障。     

电动汽车充电负荷时空分布预测

采用最小二乘法与灰色关系度理论建立了电动汽车保有量预测模型,将车辆状态转移矩阵引入传统停车需求模型,预测了电动汽车随时刻变化的实际泊车分布特性;基于蒙特卡洛方法,针对电动私家车、电动公交车、电动出租车、电动公务车各自对应的充电需求,分别模拟了其充电行为,推测出了不同用地类型区域的电动汽车充电负荷曲线。文中结合徐州市公共汽车运营现状,给出了大型充电站的规划布局建议,为充电站规划建设提供理论支撑。     

考虑样本不平衡的特高压换流阀状态评估及其影响因素分析

针对特高压换流阀状态评估中原始数据不均衡、模型难以解释等问题,提出一种基于轻量梯度提升机(light gradient boosting machine,LightGBM)与SHAP归因分析的特高压换流阀状态评估方法。首先,通过层次聚类、自适应确定子簇规模与加权过采样生成均衡化样本,解决样本不平衡问题;接着,基于Light GBM树结构分类器构建状态评估模型,实现对样本的快速、准确评估;最后提出一种基于夏普利加法解释(SHapley Additive exPlanations,SHAP)归因理论的特高压换流阀状态评估影响因素分析框架,从全局与个体2个角度展示换流阀各状态量的重要程度及其对运行等级的影响效果。通过算例验证了所提过采样方法及状态评估模型的有效性,并通过关键影响因素的分析为换流阀状态评估结果提供依据与支撑。