一种识别谐波分量主瓣干扰的方法

加窗插值快速傅里叶变换是目前最常用的谐波信号分析方法。当信号中含有频率相近的谐波和间谐波分量时,频谱中通常存在主瓣干扰现象,影响到加窗插值快速傅里叶变换的精度。针对这一问题,研究了主瓣内谱线的相位特性,提出了一种判断主瓣干扰存在的方法,进而识别出频率相近的谐波和间谐波分量。仿真实验验证了该算法的有效性和准确性。     

基于遗传算法的电力系统分层信息故障诊断方法

分层信息是指在不失信息的完整性和可靠性的基础上 ,把采集信息按目前电力系统通讯规约在时间优先级的规定划分为遥信变位 ,遥测 ,录波三层。在简要说明故障诊断的必要性后 ,说明了采用分层信息和遗传算法的优点 ,论述了基于GA的分层信息故障诊断方法的流程。通过模型系统的算例 ,表明所提出的方法十分有效。     

计及固定成本分摊的输电定价方法

提出了一种联营体双边拍卖市场模式下计及输电固定成本分摊的输电定价方法,分析了在发电机节点和负荷节点的不同分摊比例对输电收益的影响.所提方法体现了输电定价原则,确保了电网固定成本的合理分摊和充分回收.经Garver’s 6节点算例的验证分析,证明所提方法正确有效.     

一种基于加窗插值FFT和Prony算法的谐波与间谐波检测方法

针对含有频率相近的谐波和间谐波成分的电网信号,提出了一种基于加窗插值快速傅里叶变换(FFT)与Prony算法的分析方法;对信号加窗并利用FFT进行频谱分析,搜索谱线确定谱峰位置,利用谱线相位差来判断主瓣干扰是否存在;若主瓣干扰不存在,利用插值算法计算谐波或间谐波的参数;若主瓣干扰存在,利用插值算法的计算结果及原信号获得残差信号,使用Prony算法从残差信号中提取受到主瓣干扰的谱峰所对应的谐波和间谐波参数。仿真算例表明,该方法能够有效分析信号中谐波与间谐波的参数。     

基于复现性和熵权区分度的非侵入式负荷识别方法

非侵入式负荷识别采用单一负荷特征量识别时,准确率达不到要求;采用多负荷特征量识别则需大量数据,增大模型的复杂程度和识别计算量。对此,提出利用复现性指标和熵权区分度指标对负荷特征进行处理,进而优化数学模型,采用改进布谷鸟(CS)算法实现求解测量量与估计量之差最小化的识别问题。算例分析结果表明,采用优化模型进行负荷识别时,放大了各负荷特征间的差异,提高了负荷辨识率,同时改进后的CS算法提高了收敛速度和准确率。     

谐波对感应式有功电能表计量的影响

在试验的基础上分析了谐波对感应式电能表计量特性的影响。通过一系列谐波环境下感应式电能表计量数据的最小二乘分析,将误差来源分为3个方面:通过频率响应试验数据的分析,当频率不变、电压和电流的有效值不变、仅电压和电流的相位差(对应功率因数)改变时,其功率幅值(对应电能表最大计量值)随着谐波次数的增大而迅速减少,相对于基波的百分比及电压和电流的相位改变保持相对稳定;另外,谐波改变了基波电能的计量。     

双馈风力发电机故障诊断方法研究*

为了提高对双馈风机定、转子绕组故障和轴承故障监测的准确性,搭建了双馈风机的Simulink故障模型,得到不同故障的特征频率,通过对故障特征频率的理论分析验证了故障模型的准确性。采用Zoom FFT和多种加窗傅里叶变换来提取故障特征量,进行频谱分析并对比。实验结果表明,加rife-vincent窗FFT在处理双馈风机故障时具有较高的准确性、抗干扰性、可分辨性和可靠性;风速的变化影响故障特征频率,应根据实际风速的变化来调整故障参考值,以达到更好的双馈电机状态监测效果。     

考虑风光可靠性的微电网混合储能优化配置

储能装置在微电网中发挥着不可替代的作用,在微电网中有很大的市场应用前景。文中在配置储能容量时考虑风电机组与光伏机组的可靠性,采用序贯蒙特卡洛法模拟风电机组、光伏机组的正常运行、故障概率;对于蓄电池与超级电容器具有优势互补的特点,利用离散傅里叶变换法对一个周期内的不平衡功率进行频谱分析,建立规划周期内综合费用最小为目标的配置模型,确定混合储能的最佳容量。算例分析表明,当考虑风电机组与光伏机组可靠性时,混合储能配置的额定容量大于不考虑可靠性时的额定容量,为进一步研究微电网的储能规划提供借鉴。     

谐波电能综合再生利用技术研究

针对目前电力系统谐波问题大多采取滤除措施,却忽略谐波本身也是一种能源,将其完全滤除会浪费资源。对此提出了一种并联型的谐波电能提取装置,经Matlab/Simulink仿真试验可知,该提取装置将原本要在阻尼电阻上消耗掉的谐波电能提取出来,经过整流和逆变得到可以再次供电于不同用电设备的电能,且该设备相当于一个无功补偿装置,不影响输电线路的正常运行。     

基于改进鸡群算法的非侵入式家电负荷分解

基于家电负荷在稳态工作时电流具有线性叠加的特点,提出一种基于家电负荷稳态基波电流和谐波电流为负荷特征量的非侵入式家电负荷分解算法。通过将一家电负荷的任一工作状态用0和1来表示,即只有关和开这两种状态,则家电负荷分解问题可转化为求解优化组合问题,然后运用改进鸡群算法来识别各个家电的工作状态。最后通过实例验证了该算法具有较高的负荷识别准确率和广泛的适用性,有利于非侵入式家电负荷分解技术的推广与应用。