Rogowski线圈电子式电流互感器积分技术研究

积分环节是影响Rogowski线圈电子式电流互感器精度的关键因素.论述了模拟积分器的设计与实现,分析了模拟积分器的频率特性,理论分析和试验结果表明低频信号和温度对其精度有较大的影响.为进一步优化积分环节,设计了基于ARM的数字积分器,分别论述了其硬件结构和梯形积分算法,并且仿真了梯形积分算法对稳态电流和暂态电流的响应.仿真和试验结果表明,梯形积分算法能够很好的还原一次电流,同模拟积分器相比,数字积分器具有更高的精度和稳定性.     

基于改进CatBoost的电力系统暂态稳定评估方法

在实际电网的运行过程中,通过同步相量测量单元实时采集到的电网动态参数通常含有部分噪声,且有时会因通信故障造成数值的随机缺失,对基于人工智能的电力系统暂态稳定评估模型造成很大影响.为此,提出一种基于改进CatBoost的暂态稳定评估方法.通过分箱算法对输入特征数据进行离散化处理,提高模型对噪声的鲁棒性;采用加权的焦点损失函数代替交叉熵损失函数,提升模型的可信度并减少模型对失稳样本的漏判;将量测数据部分缺失的样本划分到单独的节点中继续建模,从而充分挖掘不完整样本中的暂态信息.在新英格兰10机39节点上的实验结果表明,所提方法的准确率和查全率均优于其他几类机器学习算法,而且所提方法对噪声和数值缺失表现出良好的鲁棒性且具有较快的训练速度和预测速度.     

基于IPSO-LSSVM的风电功率短期预测研究

风电功率预测的关键是预测模型的选择和模型性能的优化。选择最小二乘支持向量机(least squares support vector machine,LSSVM)作为风电功率预测模型,使用改进的粒子群算法（improved particle swarm optimization algorithm ,IPSO）对影响最小二乘支持向量机回归性能的参数进行优化。在建立了改进的粒子群算法优化最小二乘支持向量机（LSSVM）的风电功率预测模型后,运用该模型对广西某风电场进行了仿真研究。为了对比研究,同时使用前馈(back propagation,BP)神经网络模型和支持向量机（support vector machine,SVM）模型进行了预测。最后采用多种误差指标对三种模型的预测结果进行综合分析。结果表明,使用改进的粒子群算法优化最小二乘向量机（IPSO-LSSVM）的风电功率预测模型具有较高的预测精度。     

基于PCI总线的高精度数据采集系统

对电力系统的模拟信号进行高速、高精度和实时传输是微机保护的一项重要任务.作者介绍了一种基于PCI总线的高精度数据采集系统的设计方法,包括数据采集和PCI总线接口两部分的设计.数据采集板的核心A/D转换器采用16位高精度转换芯片AD976,而PCI总线接口器件采用的是S5933专用接口芯片.此外还讨论了基于本采集系统的驱动程序和应用程序的一般设计方法.     

核电机组与火电机组的外特性对比分析

目前我国有部分核电机组开始参与调峰,这些机组表现出与火电机组较为相似的外特性。通过对比核电机组与火电机组的外特性,掌握核电机组的运行特性,有利于电网和机组安全稳定运行。从结构上对比分析了核电机组和火电机组的差异,基于电力系统分析综合程序分别搭建了核电机组与火电机组模型,并将这两种机组接入同一个电网,分别测试了功率阶跃变化和电网故障等工况下机组的响应特性。结果表明:功率阶跃变化时核电输出功率变化比火电慢;电网故障时,只要故障能够及时清除,核电机组一回路的主蒸汽压力在短时间内变化很小,核电机组表现出的动态特性与火电机组非常相似。     

虚拟仪器中基于MAX197的智能卡研制

讨论了一款供虚拟仪器开发使用，基于MAX197的智能ISA插卡的研发。该智能卡具有8路模拟量输入通道，8路开关量输入，8路开关量输出，采样率达100kSPS，分辨率为12位，在板CPU为高性能单片机80C320，可根据用户需求完成复杂的测量控制任务，很适合电力系统的测控自动化需求，此卡采用ISA系统总线作为PC机接口电路，功能完善，使用方便。此卡在虚拟数字示波器及电力系统数字距离保护中已成功运用，以RTDS（Real Time Digital Simulate）标定后的测量误差最大值为0．77％。     

基于逆变器无功补偿配电网低电压治理仿真研究

针对配电网中因无功功率不平衡造成的线路低电压问题，通过潮流计算建立配电网低电压数学模型，研究了利用并联逆变器作为无功补偿装置来解决无功问题的理论依据，以单位功率因数法为控制方法。在MATLAB/Simulink上搭建了逆变器无功补偿低电压仿真模型，通过仿真实验，对比分析了接入前后的电压和电流波形的变化，仿真结果验证了该方法的可行性。     

基于集合经验模态分解和改进极限学习机的短期风速组合预测研究

提出一种基于集合经验模态分解(Ensemble empirical mode decomposition)和改进极限学习机(Improved Extreme Learning Machine,IELM)的新型短期风速组合预测模型。采用集合经验模态分解将风速序列分解成不同频段的分量,以降低序列的非平稳性。使用改进极限学习机对各分量分别建模预测,为避免极限学习机输入维数选取的随意性和分量信息丢失等问题,先对各分量重构相空间,最后将各分量预测结果叠加得到最终预测结果。实例研究表明,所提的组合预测模型具有较高的预测精度。     

基于关联矩阵的变电所电气主接线可靠性分析

论述了基于馈线与断路器的关联矩阵计算变电所电气主接线可靠性指标的方法 ,并介绍了该方法在两种典型电气主接线即“双母带旁路接线”和“一个半断路器接线”可靠性计算中的运用 .     

基于关联矩阵的变电所电气主接线可靠性分析

本文通过设备与断路器的关联矩阵计算变电所电气主接线的可靠性指标,并介绍了该方法在两种典型电气主接线即“双母带旁路接线”和“一个半断中器接线”可靠性计算中的运用。