SystemView与MATLAB数据通信的研究

在很多应用场合，需要在System View与MATLAB之向进行数据通信。本文提出了一种以M-LINK为桥梁的通信方式，并给出了具体操作步骤。为了验证通信方式的可行性，以PCM为例，探讨如何通过M-LINK模块进行两种软件的数据通信，实现通信系统联合仿真。仿真结果表明，本文提出的通信方式是可行的。     

基于故障树和双向联想记忆神经网络的桥式起重机故障诊断方法

针对桥式起重机的故障诊断系统,提出一种基于故障树(FTA)和双向联想记忆神经网络(BAM)相结合的故障诊断方法。通过FTA建立系统故障树,收集桥式起重机所有故障模式,进而归纳出BAM的学习样本,然后对样本学习联想,得到系统诊断结果。两种方法的结合,不但可完成单个故障的诊断,还可实现多种故障的综合处理,提高诊断能力。     

高压开关柜温度远程在线监测系统设计

针对现有高压开关柜测温系统的缺陷,设计了一种温度远程在线监测系统.系统由6只SAW温度传感器和1个基于雷达原理的无线询问器组成,询问器通过向传感器发射高频激励信号(497～503 MHz)并接收带有温度信息的回波信号实现温度测量,同时,系统利用GSM模块进行短信报警、即时温度查询以及系统参数设置实现了远程在线监测.经过大量的实验和测试表明:该系统工作稳定,抗干扰能力强,测量误差在0.5℃以内,采用10 Ah锂电池供电,可持续工作超过35天,相比传统设备,更适合于高压开关柜的温度监测.     

基于遗传算法的函数型小波网络

针对传统小波神经网络易陷入局部极小等缺陷,采用遗传算法对神经网络进行优化。提出了一种结合实数编码与二进制编码的多值编码遗传算法,上述算法在同一条染色体上同时使用实数编码与二进制编码,有机结合了两者的优点,并把遗传算法用于优化函数型小波网络的结构中,可获得具有更好泛化能力的小波网络。仿真实验结果表明,利用该遗传算法训练小波神经网络,能使网络具有简单的结构形式,较高的逼近精度和较强的泛化能力,并证实了网络的有效性和优越性能。     

基于混合pi-sigma神经网络的故障诊断

由于电力变压器故障的模糊性和多样性,目前利用IEC三比值法在变压器故障诊断中存在准确率不高之难题.针对电力变压器的特点,综合考虑各因素的影响,将模糊逻辑和神经网络的长处融合在一起,构建了基于混合Pi-sigma神经网络及其算法的变压器故障诊断模型,其中在学习速率的选择、隶属度函数参数的更新等多处进行了改进,进一步减小了预测误差.用训练过的混合pi-sigrna神经网络模型对变压器故障进行验证和诊断的仿真结果表明,算法具有较快的收敛速度和较高的计算精度.证实了算法应用于电力变压器故障诊断的有效性.     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。     

考虑V2G模式的电动汽车与可再生能源协同调度

为减小地区电网负荷峰谷差,增强电力系统接纳可再生能源的能力,同时提高电动汽车用户响应积极性,以地区电网等效负荷波动最小和用户充电费用最低为目标函数,建立了考虑电动汽车与电网互动(vehicle-to-grid,V2G)模式并计及风电和光伏出力的多目标协同调度模型,以合理安排电动汽车的充放电行为.定义了各目标的隶属度函数,通过运用最大模糊满意度法,将该多目标优化问题转化为单目标非线性优化问题,并应用自适应权重粒子群寻优算法进行求解,得到最优调度方案.算例结果验证了模型的有效性和求解方法的可行性.     

基于CCCII的电感及高阶Butterworth滤波器实现

利用控制传输器(CCCII)构造了模拟电感电路,并在此基础上实现了高阶Butterworth滤波器。PSPICE计算机仿真证实了此模拟电感符合设计要求,并可进一步推广至更高阶高通滤波器的设计。     

含分布式电源的复杂配电网多阶段故障恢复方法

针对含分布式电源(DGs)的复杂配电网故障快速恢复问题,提出一种有效的多阶段故障恢复策略。该策略将恢复过程分为动态拓扑分析、孤岛配置、含DG主网络连通性恢复和网络优化四个阶段。配电网发生故障后,采用动态拓扑分析法检测失电区域、确定故障恢复需执行的阶段并更新主网拓扑参数;第二阶段以提高DG利用率与恢复最大负荷量为目标配置孤岛方案;DG并网后恢复主网络的连通性,分析网络潮流并判定是否进入下一阶段;优化阶段利用分层编码方案避免产生不可行的候选解,减少迭代次数,提升搜索效率。仿真结果表明:在复杂配网发生故障时,该方法能根据实际情况制定合理的计划,最大限度地恢复了网络供电,与其他方法相比,降低了开关操作次数和恢复时间。     

基于QPSO算法的电力载波通信自适应阻抗匹配

电力载波通信技术是电力系统中的重要通信手段,针对电力载波通信中阻抗失配问题,提出一种基于量子粒子群算法的电力载波通信自适应阻抗匹配模型。采用[∏]型网络结构,有效地消除了匹配禁区问题,能够快速精准地获得匹配结果。针对遗传算法收敛速度慢、优化精度不高的缺陷,对量子粒子群算法在非对称区间进行分层变异改进处理,并将其应用于自适应阻抗匹配元件参数值的优化。测试结果表明此方案在阻抗匹配的精度和时间方面都有很大的提高,解决了电力线阻抗变化的问题,满足了电力载波通信在精准性、高效性和实时性的要求,在工程实践中具有一定的理论意义和应用价值。