基于小波时频图和卷积神经网络的断路器故障诊断分析

高压断路器操动机构振动信号为非平稳性信号,蕴含着丰富的操动机构工作状态的信息,对操动机构工作状态的检验辨识具有重大意义。提出一种基于小波时频图和卷积神经网络的断路器故障诊断方法。对操动机构振动信号进行连续小波变换生成时频图(CWT),并对时频图进行统一压缩预处理;将预处理后的时频图作为特征图输入卷积神经网络AlexNet模型;通过对网络参数的调整,逐步改进网络模型,有监督地实现对操动机构故障状态的辨识诊断。结果表明,该方法能够有效地运用于断路器操动机构故障辨识诊断,与小波频带能量-RBF、小波频带能量-SVM的故障识别相比,故障识别准确率最高。     

基于小波分析与随机森林算法的电力电子电路故障诊断

提出一种基于Db6小波函数和随机森林算法相结合的电力电子故障诊断新方法.介绍应用Db6小波进行波形分解和提取故障特征量的方法与步骤,阐述随机森林算法决策树的生长和投票过程,应用随机森林算法设计出故障分类器,并将其应用于12脉波可控整流电路的故障识别.诊断结果表明,所提方法具有较高的正确诊断率和较强的抗噪声能力.在加入5...     

基于改进ECC的含电动汽车用户负荷信息保护方案

在智能电网的大趋势下,电力公司与用户之间的数据传输交换愈加频繁高效。通信网络经常遭受网络攻击或窃听,为确保用户的用电数据在传输过程中不被恶意篡改,提出一种面向电动汽车用户的信息保护方案。通过改进加法运算和标量乘运算对传统椭圆曲线加密算法（elliptic curve cryptography, ECC）做轻量级优化,克服电网双向互动环境中智能电表资源有限的问题。在此基础上,设计负荷分解算法作为加密方案的检验工具,分解加密后的电力数据。最后,通过仿真算例分析,验证了所提方案的可靠性和安全性。     

基于拉曼光谱数据处理和谱峰识别的变压器油绝缘老化研究

针对变压器油的拉曼光谱分析通常受到噪声和荧光背景等的干扰以及谱峰位置难以识别的问题,提出了一种改进的数据处理和谱峰识别算法,用于变压器油老化评估时的拉曼光谱分析。提出一种自适应Savitzky-Golay滤波法,引入自适应窗口大小拉曼光谱数据进行去噪处理。采用改进的多项式拟合算法对去噪后的数据进行去除荧光背景处理,减小荧光背景对拟合结果的影响。通过数据点与期望的拉曼信号的接近程度为每个数据点赋予权重,以实现更准确的去荧光背景处理。利用谱峰识别技术判别变压器油的老化程度,采用大小两种尺度高斯窗口判别法来识别谱峰,并结合局部加权信噪比(local weighted signal-to-noise ratio, LW_SNR)来判断疑似拉曼谱峰的真实性。最后通过实验验证了所提算法在变压器油老化评估中的有效性。     

考虑虚拟电厂调度方式的售电公司多时间尺度滚动优化

为了增加售电公司参与电力市场的灵活性和经济性,提高售电公司对分散式资源的利用效率,基于虚拟电厂的聚合管理方式,提出了一种售电公司多时间尺度滚动优化模型。日前阶段以售电公司收益最高为优化目标,融合多场景分析方法,制定售电公司购售电策略及各虚拟电厂日前调度计划。日内阶段考虑更高精度的分布式光伏和负荷预测,以虚拟电厂调度成本最低为目标构建日内优化调度模型。实时阶段以机会约束形式考虑虚拟电厂容量备用,修正虚拟电厂部分单元的出力,并将不确定性单元出力情况向日内阶段反馈校正。算例仿真验证了售电公司采用所提多时间尺度优化模型能够改善运营策略,合理分配资源,实现自身经济效益最大化。     

基于EEMD和卷积神经网络的高压断路器故障诊断

高压断路器分合闸线圈的电流信号蕴含着丰富的断路器操动机构状态信息,对操动机构故障诊断具有重大意义。首先,文中通过集合经验模态分解（ensemble empirical mode decomposition,EEMD）具备的检测突变点性能确定有效分合闸线圈电流信号段,并对其进行EEMD自适应降噪处理。其次,运用时域求极值法对有效信号段进行信号处理,提取电流、时间复合特征量。最后,通过对复合特征量数据进行Kronecker张量积预处理,以便输入到卷积神经网络（convolutional neural network,CNN）中进行有监督地故障状态的辨识诊断。实验结果表明,文中所提分合闸线圈电流信号的电流、时间复合特征量提取方法有效、CNN卷积神经网络算法相比GA-BP和支持向量机（support vector machine,SVM）算法诊断精度更高,具有较高的实际应用价值。     

基于串级控制的铝型材等温挤压系统建模与仿真

等温挤压技术对提高铝型材的质量与产量均具有重大影响,是我国铝型材业界一直存在的一个难题.采用Matlab仿真技术,基于挤压过程中实测到的速度与温度的关系,针对等温挤压过程中的温度控制问题,提出了一种简单有效的串级控制的方法,它能克服挤压过程中的干扰因素.仿真结果表明,该系统可使铝挤压制品的出口温度保持恒定,波动范围在±5℃之内.     

FCM-HMM-SVM混合故障诊断模型及其在电力电子电路故障诊断中的应用

提出一种基于模糊C均值聚类（FCM）、隐马尔可夫模型（HMM）和支持向量机（SVM）相结合的电力电子故障诊断方法.采用FCM方法对故障信号进行模糊聚类,提取故障特征;根据隐马尔可夫模型进行动态过程建模;根据支持向量机进行模式分类;基于HMM-SVM混合的故障诊断模型实现了对机车变流器电路中晶闸管断路故障的诊断.实验结果分析表明,该方法能准确地对电力电子电路进行诊断和故障元定位,诊断精度高,具有很好的实用价值.     

基于改进神经网络的多重化可控整流电路的故障诊断

提出了一种改进神经网络的多重化可控整流电路故障诊断方法。针对BP算法收敛速度慢、容易陷入局部极小的缺点,采用了改进的BP算法,利用附加动量学习速率可变梯度法改进神经网络学习速率,从而达到了加快网络的收敛速度与提高网络的诊断精度。文中给出了基于改进BP网络的模型训练和测试数据的诊断。测试结果表明所提出的方法正确可行,该诊断方法对多重化可控整流电路故障的识别可达到较高的精度。