基于动态多种群粒子群算法的低压配电网电压无功优化

粒子群算法已在配电网无功优化领域中得到广泛应用,而基本粒子群算法在求解多约束条件的低压配电网电压无功优化问题时耗时过长。为解决这一问题,提出了利用动态多种群粒子群算法对低压配电网进行电压无功优化方案。动态多种群粒子群算法通过轮盘赌将粒子按照各节点电压合格、各节点无功补偿容量不超过预设值和系统总无功不过补偿这3个约束条件进行动态分组,粒子根据改进的粒子速度位置更新公式飞行搜寻,最后获得满足以上约束条件的电压无功优化问题最优解。本文提出的电压无功优化方案将分散并联电容器组与配电变压器调压相结合,与集中补偿无功方式相比,节点电压偏移程度更小、电网损耗更低。本文应用的约束优化粒子算法与基本粒子群算法相比,运行速度大幅提高,计算结果较为优化。     

基于奇异谱熵和支持向量机的变压器绕组松动识别及定位

绕组压紧状态影响着变压器的机械性能和绝缘性能。为此,提出一种基于奇异谱熵和支持向量机的变压器绕组松动诊断及定位方法。首先进行110 kV变压器绕组松动实验并测取不同绕组状态下的振动信号,对信号进行时间序列重构,通过奇异值分解提取重构空间的最优特征序列,结合信息熵得出绕组松动的特征量——奇异谱熵,并作为诊断模型的输入,利用粒子群算法对多分类支持向量机进行参数优化。并将其测试结果与BP和PNN神经网络的诊断效果进行对比。实验结果证明,该方法能有效地判断绕组是否发生松动并正确识别绕组松动相,验证了上述方法的可行性和准确性。     

"电力工程"教材建设与教学改革

"电力工程"是电气工程及其自动化专业的核心专业课程,该专业几经变革分合,教学要求与社会需求不断变化.电力工程类教材建设必须适应社会发展的要求.本文结合我校主编的<电力工程>教材,分析了电力工程类教材的国内外现状,研究了电力工程学科的知识体系,在此基础上,着重介绍了该教材的内容体系与特色,并提出了当今<电力工程>教材的教...     

基于振动的变压器绕组压紧状态评估方法

为实时评估变压器绕组压紧状态,对变压器振动问题进行研究。在绕组振动成分、振动传播路径和油箱表面振动成分的研究基础上,建立了变压器油箱振动信号模型。在瞬态激振实验中发现:相对于油箱正面测点,顶面测点更能体现油箱瞬态激振响应逐渐衰减的特征;靠近C相套管的顶面测点共振频段随压紧力减小而明显向左位移。进行短路实验,结合不同电流不同压紧状态下的大量实验数据,发现靠近C相套管的顶面测点振动信号共振谱峰分布与瞬态激振实验中共振频段分布较为一致,提出利用共振谱峰位移规律进行绕组压紧状态在线评估。该方法简单易行,只需监测油箱顶面振动信号,适应变压器负荷变化的运行环境,与电网没有电气连接,可以实现变压器绕组压紧状态在线评估。     

零序电压产生机理及过渡电阻测量和选相方法

不对称电网高阻接地故障相的选择和过渡电阻的测量较为困难。文章从新的角度阐述电网零序电压的产生机理和物理意义:不对称电网将自适应的产生零序电压,零序电压在零序阻抗上产生的电流完全补偿电网的"零序不对称电流"。根据零序电压产生的机理,解释中性点不接地系统不存在零序电流的原因,给出中性点经阻抗接地电网零序电压的等效运算电路图,实现接地故障电流的预测。通过比较各相电压与故障电流的相位可判别出故障相,然后根据故障相电压和故障电流的幅值计算过渡电阻。理论分析及仿真验证表明所述方法不受电网不对称和负荷电流变化的影响,精度高,应用方便。     

特高压变压器调压补偿方法对比分析

目前特高压变压器采用中性点变磁通的调压模式,虽然采用中性点调压方式会造成低压侧电压的变化,但通过补偿绕组及电压负反馈回路的选择,可以很好地满足调压要求。为比较目前2种常用调压补偿方式变压器的运行特点,首先对特高压变压器常用的2种调压补偿原理进行了介绍,分别给出了2种采用不同补偿方法变压器各个绕组的电磁关系,并对2种调压补偿方式变压器电压调节的差别进行了分析比较。结果表明,采用完全补偿方式时,低压侧电压波动比采用非完全补偿方式时要小,调压效果较好。     

基于自适应RBF神经网络的变压器噪声有源控制算法

针对现有变压器噪声有源控制算法存在的不足,提出了一种用于抑制噪声的新算法。该算法融合了自适应算法、粒子群算法、改进梯度下降算法及RBF神经网络算法。首先利用自适应算法确定降噪系统控制器中RBF神经网络隐含层节点个数和相应的参数;然后,根据切换策略自适应地选择粒子群算法或者改进梯度下降算法,用来优化节点数目和参数;最后,将优化得到的隐含层结构和参数反馈至系统控制器中,使系统的次级声源更好地抵消源声源。通过将所提的改进RBF神经网络法与未改进的RBF神经网络法和BP神经网络法进行比较,表明该算法可有效地提高降噪系统的自适应能力和抗干扰能力,且能够将噪声控制在较低的范围内,获得较理想的降噪效果。     

改进粒子BP神经网络在变电站噪声控制中的应用

为了改善变电站噪声控制中已有自适应降噪滤波算法的自适应能力差、收敛速度慢等弊端,提出了一种新的基于粒子群优化（PSO）的误差反向传播神经网络（BPNN）智能滤波算法。该算法针对PSO算法易出现无法兼顾局部、全局搜索和群体多样性丢失等问题,采用以粒子“亲密”度为依据来自适应调整粒子惯性因子和变异率的改进策略;利用该改进粒子群优化（IPSO）算法取代梯度下降算法,实时优化BPNN的权、阈值,使噪声迅速降低,再用梯度下降算法对BPNN的权、阈值作进一步的精细优化,使噪声得到更大程度上的抑制。文中以某变电站变压器噪声信号为仿真声源,分别利用所提算法、PSO-BPNN算法及BPNN算法对该声源信号进行主动抑制,结果表明所提算法性能明显优于另外2种算法的性能,使变压器降噪系统性能得到较大的改善。     

基于振动信号HHT方法的GIS设备故障诊断

介绍了在江苏省电力公司江东门110 kV变电站内采集运行中GIS设备的振动信号,对振动信号降噪处理,运用了希尔伯特-黄变换（HHT）对降噪后的振动信号进行分析。比较信号的希尔伯特谱,得到各频率分量幅值随时间变化的情况;比较信号的边际谱,得到GIS设备的故障特征量。实测数据研究表明,HHT方法能有效地对GIS设备进行特征提取及故障诊断。     

双馈异步发电机定子匝间短路故障诊断研究

分析双馈异步发电机定子绕组匝间短路故障负序电流的来源,提出以负序电流作为故障特征量进行故障诊断,建立双馈异步发电机仿真模型,通过改变模型中短路匝数和短路电阻的大小实现了匝间短路故障模拟.对仿真发电机在风速恒定的条件下发生定子绕组匝间短路故障进行了模拟.结果表明,定子发生匝间短路故障后,会在定子中增加负序电流分量,定子负...