系统辨识方法综述

对现有的系统辨识方法进行了介绍,首先说明了系统辨识的传统方法及其不足,进一步引出了把神经网络,遗传算法,模糊逻辑,小波网络等知识应用于系统辨识得到的一些新型辨识方法,最后介绍了系统辨识未来的发展方向,     

基于在线数据的发电机励磁系统参数辨识新方法

介绍了发电机励磁系统参数辨识原理及模型,从自并励静止励磁系统和无刷励磁系统两方面分析了基于在线数据的发电机励磁系统参数辨识原理,并论述了励磁系统输入信号处理方法。在此基础上提出了基于在线数据的发电机励磁系统参数辨识新方法,介绍了辨识步骤,并通过实例进行了验证。这一新方法有较高的辨识精度。     

系统辨识

本主要介绍了系统辨识的基本概念及理论,并简要介绍了建模的几种方法及如何运用MATLAB软件中的系统辨识工具箱进行数学建模的方法。     

发电机组励磁系统参数辨识原理及方法

论述了发电机组励磁系统参数辨识的原理,介绍了时域PLPF和频域FFT／LSE的参数辨识方法,对江苏电网的典型发电机励磁系统进行了参数辨识,并验证了辨识结果的正确性。在此基础上分析了各辨识方法的优缺点。     

发电机励磁系统参数在线辨识装置的研究

介绍了一种配置简单、功能完善、测试精度高的励磁系统参数在线辨识装置;阐述了励磁系统参数辨识的原理及方法,给出了一组现场参数辨识结果。现场实际测试表明,该装置辨识出的参数是正确可信的。     

基于系统辨识的开关磁阻电机PI参数整定

简要介绍了系统辨识的概念和模型.在Matlab建立的开关磁阻电机模型基础上,给定一个阶跃的斩波信号得到电机的阶跃响应从而求得SR电机小信号模型.利用系统辨识的方法将SR 发电系统视为一个二阶系统,即ARX模型,并由Matlab的系统辨识工具对发电系统进行辨识,得到了系统的PI传递函数,利用劳思判据求解稳定性的方法解出电机Ki、Kp的参数范围,并通过实验验证了方案的可行性.     

群体智能的系统辨识

概括了系统辨识的方法,重点介绍了最小二乘法、群体智能算法中的粒子群算法和改进的粒子群算法,给出了估计模型的选择方法,并结合某1000MW火电机组实例,运用两种方法进行了系统辨识和仿真.仿真结果表明,最小二乘法可以完成对系统的辨识,但存在较大偏差;采用粒子群算法辨识结果良好.     

基于数据平台的调度数据质量辨识方法

调度生产数据一致性、准确性等数据质量问题日益突出,智能电网调度技术支持系统一体化平台也需要考虑调度数据质量辨识等新问题,而调度综合数据平台可提供研究积累和实践基础。介绍了包含统一编码、辨识规则及辨识方法的整体技术架构,具体讨论了基于固有属性、基于统计规律、基于电气连接、基于电网拓扑、基于多源数据分析和基于事件约束的数据质量辨识技术,并划分为单一辨识和综合辨识两大类。阐述包含各类辨识技术的辨识实践方案,对数据质量辨识流程进行探讨,介绍了实践工作和辨识实例,初步实践证明该方法可行、实用。     

无速度传感器感应电机控制速度辨识的研究现状与展望

速度辨识是无速度传感器感应电机控制中的重要环节.模型参考自适应观测器、神经网络等速度辨识方法,虽然都有较好的精度,但其低速下的辨识精度明显下降,而且电机参数的变化及干扰也影响辨识精度.因此,如何提高低速下的辨识精度和增强系统抗干扰、参数变化的鲁棒性,是速度辨识的基本要求.本文介绍了近年来出现的速度辨识方法,并分析了其优缺点.     

电力系统脆性风险源辨识方法的研究

介绍了电力系统脆性风险的原理及脆性源的辨识方法,基于直流潮流与分布因子法相结合,给出了快速辨识系统脆性源的方法,并通过IEEE-5节点系统算例证明了该方法的有效性和实用性。     

基于CatBoost算法的配电网分区拓扑辨识

含多分布式电源配电网的拓扑结构具有多样性与多变性,影响拓扑辨识的实时性和准确性。提出一种基于CatBoost算法的配电网分区拓扑辨识方法。构建结合拓扑分区的配电网拓扑辨识框架,采用区域开关状态矩阵描述拓扑结构,以进行物理上的辨识降维;提出基于CatBoost算法的特征选择与拓扑辨识方法,通过分区并行离线训练得到历史拓扑和未知拓扑的区域拓扑辨识CatBoost模型,通过在线应用得到实时的区域开关状态矩阵标签,形成配电网开关状态矩阵,实现系统拓扑辨识。配电网算例系统测试结果验证了所提方法的有效性。     

舰船电力系统网络重构研究综述

由于舰船电力系统使命的特殊性及系统的独特性,其网络重构不同于一般的电力系统.本文较为全面地分析了舰船电力系统的特点,综述了其网络重构的发展,对重构中涉及的网络计算、重构指标计算、网络的连通性检验及拓扑识别方法、重构数学模型及模型的求解方法等给出了详细的归纳与总结.最后指出了未来舰船电力系统网络重构的发展方向.     

基于海量数据的配电网运行分析系统架构与技术实现

灵活地分析和运用配电网多源异构数据,进行配电网故障的准确预测和潜在风险扫描,对实现配电网高效精准的运行分析决策很有意义。文中介绍了一种基于海量数据的配电网运行分析系统的整体架构和功能设计,通过应用实例展示了系统各模块的功能和运行分析结果。该系统集成电网地理信息、营销业务应用和配电自动化等系统数据,采用改进的机器学习算法和薄弱点辨识方法,扩展了目标配电网数据相关性分析、故障风险等级预测和薄弱点辨识的功能,有利于相关部门有针对性地提出相应技术和管理手段进行配电网运维检修工作,提高了现有配电网分析系统的科学性和实用性,为最终实现配电网运行分析的信息化、智能化、精益化奠定了基础。     

智能技术在距离保护中的应用

针对传统的距离保护方法存在许多不足,提出了一种将BP网络与径向基函数网络相结合的距离保护模型。分别采用BP网络构建振荡识别子网络,采用RBFN构成的故障检测定位子网络,并采用附加动量项和自适应学习率等措施增加BP算法学习过程的稳定性和收敛速度;为增加网络训练的确定性,文中进行了大量的仿真计算,结果表明,该方法能够对电力系统的各种故障情况进行正确的识别并且比目前常用的神经网络式距离保护有更高的工作效率。文章最后也分析了神经网络技术在距离保护中存在的不确定性,指出了消除不确定性的措施。     

Dynamic identification of external equivalents in distribution networks

In this paper a novel methodology for evaluating the external equivalent model of a distributed network is presented. The proposed method is based on a non-linear parameter identification process which involves an artificial dynamic system, whose dynamics are explicitly designed to be stable by adopting the Lyapunov theory. This dynamic identification method is competitive with existing reduction methods, since it does not require system linearization or any a priori information about the system under study. Few measurements at boundary nodes are required to obtain the essential information regarding the external system. Even if these measurements are strongly corrupted by noise, the algorithm is quite insensible to it. Due to its ability to be auto-adaptive at any changes in the system operating conditions and to its great speed convergence, the identification procedure can be usefully applied for real-time applications.     

基于人工神经网络的发电机在线跟踪辨识

研究了应用人工神经网络对汽轮发电机组动态特性进行在线跟踪辨识的方法。由于人工神经网络具有良好的非线性特性，其在线跟踪辨识的结果优于基于线性模型的传统方法。为了加速权重的收敛，使用了两种并行训练算法，并对辨识的结果进行了详细的数字仿真和动模试验。     

小电流接地故障选线技术综述

章介绍了小电流接地方式的发展简况，在分析小电流接地故障稳态与暂态信号变化特征的基础上对各种接地选线技术进行了评述。章还介绍了一种最近开发出的利用暂态信号的接地选线技术的应用情况，这种新技术灵敏度高、可靠性好，特别适用于谐振接地电网。关于小电流接地电网发生高阻单相接地故障时接地选线的可靠性问题还需要进一步研究解决。     

配电网拓扑结构概念聚类及其在优化规划中的应用

聚类分析是一种无监督的机器学习方法。被广泛应用于各研究领域。在城市配电网优化规划的研究中，现有的关于网络拓扑结构分析的一些方法并不适用于配电网优化规划工作，而关于配电网拓扑结构聚类分析的研究更是鲜见报道。基于对配电网结构、运行特点以及优化规划工作实际需要的认知，提出了一种结合模糊逻辑的配电网拓扑结构概念聚类方法，对于推进配电网优化规划问题的研究具有广泛的实际意义。为检验该方法的有效性，在该方法的基础上引入几个简单的概念，构成一个基本的机器学习模块，该模块可以方便地“嵌入”基于Agent行为和范例学习的新型遗传算法中，以提高原算法的计算性能。并用算例证明了在引入基于配电网拓扑结构概念聚类的机器学习模块后，新型遗传算法具有更高的计算效率和求解质量。     

Network Expansion Planning Using Improved Controlled NSGA‐II

This paper presents the application of multiobjective optimization methods to network expansion planning. Distribution network expansion planning minimizes system cost and distribution loss while satisfying the constraints. Problem formulation yields combinatorial optimization problems that are difficult to solve due to their complexity. This research applies a genetic algorithm, which is a meta‐heuristics method. The present study proposes a new method of multiobjective optimization: NSGA‐II, SPEA2, and Controlled NSGA‐II are assumed to be the best methods now. The proposed method introduces the concept of a linkage identification genetic algorithm, enabling more efficient searching than methods hitherto known. In the past, most research on network expansion planning did not include the load curve. This research demonstrates that the investigation must include the load curve. It also proposes a new method of search including the load curve.     

基于一维CNN的时域超声信号识别技术研究

超声检测缺陷是一种主流的缺陷识别手段,二维卷积神经网络一直是该领域的主要技术,一般从二维C扫、D扫等图像中提取属性特征来进行识别分类,这些研究主要采用二维卷积层,会产生较大的资源消耗。在所有类型的缺陷识别方法中,超声回波信号分析是最主要和有用的工具之一,本研究从原始时域超声信号中提取特征,首先使用来自实验室的JPR-600C空气耦合超声波无损检测系统采集数据;然后通过使用不同的超参数进行实验、t-sne可视化等手段构建并优化一维CNN网络模型;最后实现超声信号缺陷识别分类。实验结果表明,所提出的CNN模型的性能令人满意,缺陷识别准确率为97.57%,高于其他机器学习方法,为实现缺陷识别自动化的需要提供辅助。