基于Seq2Seq技术的输电线路故障类型识别方法

基于Seq2Seq技术构建了用于输电线路故障类型识别的深度学习模型,通过设置仿真算例验证了所提方法的有效性。首先,利用MATLAB/Simulink生成输电线路故障数据集;然后,基于Seq2Seq技术构建适用于故障数据时序型特征的深度学习模型;最后,以IEEE118节点系统为例对所提方法进行验证。仿真结果表明:所提方法能够适应输电线路故障的时序型特点,故障类型辨识准确率为100%。与其他故障类型识别方法相比,所提方法仅基于海量数据,不考虑电力系统具体结构,具有显著的优越性。     

基于SVM改进扰动法的MPPT研究

光伏发电凭借其开发简单、安装维护方便等优势,得到了广泛的应用,在众多新能源发电中占据着重要的地位。但是该技术存在输出功率不稳定、光能-电能转换率比较低等因素,在很大程度上遏制着光伏发电的进一步发展。为了提高光伏发电技术的光电转换率和稳定其功率输出,在分析光伏发电的模型和最大功率点跟踪(MPPT)技术的基础上,提出一种改进的控制方法,并利用Simulink仿真软件对该控制方法下的光伏发电系统进行仿真分析,通过仿真得出的最大功率点跟踪曲线证明提出的改进控制方法可以在很大程度上减少扰动次数和跟踪时间,有效地提高最大功率点的跟踪精度和速度。