高频脉冲电流法在在线检测电力变压器局部放电中的应用

介绍高频脉冲电流检测技术的原理,及其在在线检测电力变压器的局部放电中的应用。     

一种计及频率偏移的谐波与邻近间谐波估计方法

新能源大规模并网会诱导电力信号中出现关于基波/谐波对称的邻近间谐波对或单个邻近间谐波。对信号中各频率成分进行参数估计时,往往需要获知邻近间谐波的类型以构建准确的计算模型。而当电网频率偏离额定值时,频谱泄露干扰将使该要求难以实现。为此,本文提出一种在频率偏移时依然有效的邻近间谐波类型判据及基于此判据的谐波与邻近间谐波参数估计方法。首先,通过分析频率偏移与泄露谱线的映射关系,抑制基波与谐波的频谱泄露以提取邻近间谐波谱线;然后,通过对比不同类型邻近间谐波的频谱差异,提出利用谱线比值作为邻近间谐波类型判据;最后,基于邻近间谐波类型信息,构建邻近间谐波谱线方程以精准估计谐波及邻近间谐波参数。本文所提方法在频率偏移时仍能准确判断邻近间谐波的类型,并能实现更精准的参数估计,仿真验证了本文方法的准确性。     

基于LM法的换流站关键设备宽频建模方法研究

直流输电系统换流站存在多种产生或传输谐波的电气设备,建立适用于仿真研究的换流站宽频模型十分重要。传统建模方法较为复杂,且不适用于低阶等效模型。因此,基于元件物理模型和阻抗特性,利用列文伯格-马夸尔特算法求解宽频模型参数、拟合阻抗特性曲线,并简化了宽频模型。然后据此建立了晶闸管、平波电抗器和换流变压器等换流站关键设备的宽频模型,验证了该方法的正确性。最后,将元件宽频模型等效电路应用于仿真模型,仿真对比表明宽频模型相比于理想模型,5次谐波幅值减小约基波的1.7%~1.8%,并且简化宽频模型可以加快仿真速度。     

Neural network-based sliding mode adaptive control for robot manipulators

This paper addresses the robust trajectory tracking problem for a robot manipulator in the presence of uncertainties and disturbances. First, a neural network-based sliding mode adaptive control (NNSMAC), which is a combination of sliding mode technique, neural network (NN) approximation and adaptive technique, is designed to ensure trajectory tracking by the robot manipulator. It is shown using the Lyapunov theory that the tracking error asymptotically converge to zero. However, the assumption on the availability of the robot manipulator dynamics is not always practical. So, an NN-based adaptive observer is designed to estimate the velocities of the links. Next, based on the observer, a neural network-based sliding mode adaptive output feedback control (NNSMAOFC) is designed. Then it is shown by the Lyapunov theory that the trajectory tracking errors, the observer estimation errors asymptotically converge to zero. The effectiveness of the designed NNSMAC, the NN-based adaptive observer and the NNSMAOFC is illustrated by simulations.     

面向超低频振荡的水电调速器与SVC附加频率控制参数联合优化

互联电网超低频振荡抑制对系统安全稳定运行至关重要,现有研究仅考虑水电调试器PI控制参数优化的措施,可能导致水电调频能力降低。随着电网中静止无功补偿器(SVC)数量的显著增长,通过SVC附加频率控制为超低频振荡抑制提供了新的思路,于是提出了一种SVC附加频率控制与水电调速器PI参数联合优化方法。首先,建立了包含水轮机和SVC的单机单负荷系统等值模型,分析SVC的附加频率控制原理,并分析所提模型对系统超低频振荡的抑制作用;在此基础上,以超低频振荡阻尼系数和水电机组一次调频性能为优化目标,通过优化设计控制器参数以提升系统整体的超低频振荡抑制能力;最后,在PSCAD/EMTDC平台上搭建了水电机组和SVC仿真模型,对所提方法进行有效性验证。仿真结果表明,该方法可有效提升高比例水电电网超低频振荡阻尼能力,同时提升水电机组调频能力。     

高湿区域输电线路金具锈蚀多因素影响分析模型

对地区污染总体情况以及输电线路金具腐蚀的诱因进行了分析,提出了分析方法以及防护措施。结果表明：四川区域酸性湿沉降主要分布在川南和川西区域,分布在夏秋季节;高硫污染高酸型湿沉降环境,是金具腐蚀速率加快的环境外因;由此建立了输电线路金具锈蚀多因素模型,获取金具区域腐蚀分布图;还提出金具材料防腐、线路图像识别以及输电线路维护等多种防护措施。相关结果为高湿区域输电线路金具锈蚀防护提供了参考。     

基于局部密度的最小生成树聚类算法及其在电力大数据的应用

电力大数据主要来源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节,,如何运用这些数据提高电力管理工作的智能化水平已经成为相关电力环节十分重要的研究课题之一。但现有电力大数据中用到的聚类方法却不能发现任意形状的数据集聚类类别(即类簇),这影响了电力大数据在应用中的计算精度与计算时长。因此提出了一种新的算法,即使用局部密度峰值和基于共享邻点的距离,更好地结合了密度与距离的关系,表示出数据之间的差异。使用局部密度峰值并用基于共享邻点的距离来构造最小生成树,然后重复切割最长的边,直到找到给定数量的簇。在电力大数据应用上的实验结果表明,该算法在具有良好的效果。     

基于移动Agent的电能质量监测数据管理方案

针对传统电能质量监测数据管理模式对网络条件要求高、检索效率低、可靠性差等问题,提出并实现了一种基于移动Agent的电能质量监测数据管理方案。将实现数据管理功能的程序封装为移动Agent,并从监测主站迁移到存储原始监测数据的子站,就地执行数据处理任务,仅将结果返回监测主站。利用Aglets平台实现所提方案并进行测试,结果表明此方案可以有效减少检索耗时,提高系统的网络适应性和可靠性,同时,方案无需对现有系统进行大量改造。     

基于雷达监测信号的输电线路安全预警系统

传统输电线路安全检测方法主要通过人工巡视检测完成输电线路安全预警,工作人员通过肉眼巡视检查,不能实时分辨异常情况类型及时准确预警,导致输电线路安全预警具有局限性,为此设计了基于雷达监测信号的输电线路安全预警系统。首先采用雷达监测信号获取异常情况的方位信息,上传到智能视频监控模块,远程实时监控输电线路本体和周围情况,智能预警模块对输电线路自检完成早期预警与故障报警。通过滑窗平均法对输电线路故障信息进行实时提取,根据提取结果采用二进制监测判定异常情况目标监测准则,判定异常情况类型,完成有效预警。实验结果表明,在不同信号干扰下文中系统的抗干扰系数均保持在比较高的水平,并且运用文中系统对输电线路的安全进行预警时准确率高达95%以上,说明该系统可以准确完成对输电线路的安全预警。     

四川电网AGC机组协调优化控制策略研究与应用

四川电网电源结构以水电为主,同时还包含燃气机组、燃煤机组等多种类型的发电资源,由于不同发电机组间调节性能差异大,自动发电控制(AGC)机组的协调配合已成为一个亟待解决的难题。针对AGC机组调节性能的差异,通过动态分组方案跟踪不同负荷分量,实现AGC机组在不同时间尺度上的协同配合。同时,为改善AGC机组计划执行情况,提出分时段的自适应均衡控制策略,根据负荷曲线不同时段的变化特点自动切换机组调配策略。运行结果表明,该策略较好地适应四川电网电源结构特点与运行需求,提高了四川电网AGC区域调节品质,并实现了机组间的均衡协调。