基于改进形态滤波器和弧长差分序列的微电网电能质量扰动定位与识别

针对强噪声背景下微电网电能信号扰动定位和识别困难的问题,提出一种基于改进形态滤波器和弧长差分序列的扰动定位与识别方法。首先,将交替混合形态滤波器中的膨胀和腐蚀函数改进为均值膨胀和均值腐蚀函数,再对电能扰动信号进行滤波。然后,在分析扰动波形变化规律和三个典型扰动算例的基础上,定义并计算滤波后扰动信号的弧长差分序列。最后,利用弧长差分序列定位准确扰动时间,从弧长差分序列和滤波后信号中提取幅值特征和波峰特征,输入到已定义识别规则的扰动识别器,实现扰动识别。仿真试验和实际微电网数据试验结果表明,该方法能够精确定位和识别混入不同强度噪声的5种单一扰动和3种复合扰动,适用于实际微电网电能信号扰动的定位与识别。     

船舶发电机双机并联系统分形与混沌振荡分析

为分析船舶电力系统双机并联运行的可靠性,建立了船舶电力系统的双机并联三维自治系统模型.运用系统分岔分析、相图分析、Lyapunov指数和Lyapunov维计算,对系统进行了分形与混沌振荡分析研究.分析结果表明发电机双机并联系统混沌振荡现象的存在,得出当系统中的发电机之间存在一定的功率传递,并受到一定幅值的扰动干扰时将会发生混沌振荡现象的结论.船舶电力系统的混沌振荡是一种不稳定运行状态,这种不稳定运行状态往往发生在系统轻载工况下,需要进行预防.     

船舶大功率发电机混沌神经网络建模

在分析和研究了Aihara神经元混沌特性的基础上,建立了基于Aihara混沌神经元的Elman局部递归混沌神经网络（CNN）,神经元引入混沌特性后增强了神经网络对非线性映射的全局逼近能力.在船舶大功率同步发电机建模中,以船用柴油机输出转矩功率和发电机输入励磁电流作为CNN建模与辨识的输入参数;以发电机的输出频率、发电机端电压和输出电流作为CNN建模与辨识的输出参数;采用有导师学习方式,运用基于BP的动态训练方法,最终完成了船舶大功率发电机的动态建模.与其它的ANN建模相比较,用CNN建立的模型的隐层神经元数量少,系统的泛化能力强.     

船舶电站监控系统软件设计

针对交流380 V 50 Hz船舶电站,实现以触摸屏、PLC和PPU为核心的船舶自动化电站监控系统的软件设计,包括PLC控制程序设计及基于触摸屏的船舶电站监控人机界面软件设计。介绍了船舶电站监控系统的构成、软件结构和操作界面的设计。     

混沌神经网络建模及仿真应用研究

简要的介绍了混沌神经网络的基本理论,对混沌神经网络与非线性建模问题进行了分析．以船舶发电机这一大型非线性系统为例,对其进行混沌神经网络仿真建模研究,提出了用混沌神经网络仿真建模的一般思路和方法．结果显示,将混沌神经网络应用于大型非线性系统的仿真建模是十分成功的．     

巨型浮吊船电力系统动态响应的联想记忆识别

巨型浮吊海洋工程船的作业依赖于船舶电力系统的稳定运行。这类船上大功率变频器、大功率交流电机等设备的大量应用,使得控制系统受干扰影响严重,检测到的动态响应常常含有干扰成分,给电力自动化设备的反馈控制带来了困难。联想记忆具有按信息内容检索的功能,可以模仿人脑进行联想,处理缺损和不确定的信息,具有容错功能。根据联想记忆原理,运用Hopfield网络结构,对Hebb学习规则进行了改进,构建了自联想离散Hopfield网络。该网络通过对动态响应标准样本进行学习,得到了稳定模式,在受干扰污染、信息缺损的巨型浮吊船电力系统动态响应的识别中表现出了良好的滤除干扰的能力。     

小波变换在电网故障诊断中的应用

故障特征作为故障诊断的重要信息,其提取方法研究备受关注。为提取电网短路故障的特征信息,在Matlab的Simpowersystem电力系统建模的基础上,运用小波变换的方法,对短路故障工况的暂态过程进行了分析和特征提取,其所提取的均方根值与不同的短路故障之间存在映射关系。证明了运用小波变换进行特征信息的提取,在电网短路故障诊断中具有一定的应用价值。     

电力推进船舶电力系统多功能故障监视报警装置研发

针对电力推进船舶电力系统,研发了以现场总线与工控以太网技术为基础,以电力参数测量仪表、电能质量监测仪表、模拟量指针式仪表、PLC、触摸屏和工控机为核心的多功能故障监视报警装置与系统。装置的硬件实现,运用了基于Modbus现场总线的集中监视系统结构设计技术与设备配置方法;软件实现,运用了故障报警逻辑判别、集中监视人机界面设计、故障信息处理和设备之间的报文传输技术。对发电、传输和推进负荷的多个装置组成监视系统,在船舶电力系统实验室的应用表明其监视与报警功能满足要求、提高了电力系统的安全可靠性。     

一种基于属性空间相似性的模糊聚类算法

模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路:改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS):首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。