一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果.引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导.针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究.结果表明:这种消噪模式可以改善电能质量信号信噪比门限的影响.利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息.     

基于模糊理论的电能质量综合评价方法研究

电能质量有多个分项指标,必须进行综合量化评价,以适应电能商品论质论价的要求,这是电力市场化改革提出的新课题.该文依据国家标准确定了影响电能质量的各分项指标,建立了模糊综合评价模型.在运用层次分析法(AHP)求取电能质量指标加权向量的基础上,进而提出了二级模糊综合评价方法,并对几组实测数据进行了有效的模糊综合评估.     

一种基于支持向量机的电能质量综合评价方法

电力市场环境下,对电能质量进行综合评价是衡量电能优劣与制定电价的重要依据。首先对电能质量的评价等级进行了细化并确定了一套新的分级标准,然后针对现有电能质量综合评价方法的不足,提出了一种基于支持向量机（SVM）的电能质量综合评价方法。实例计算结果表明所提出的支持向量机电能质量综合评价方法结构简单、思路清晰且能真实、准确地反映电能质量状况。     

基于熵权未确知测度模型的电能质量综合评价

根据国家的相关标准制定了电能质量的评价指标及各指标的分级情况,利用熵权系数法确定了各时段点权重向量,进一步采用未确知测度理论建立了对电能质量评价的未确知测度模型,利用置信度识别准则对各时段点的电能质量进行了等级划分,并且根据得分情况对各时段点的电能质量进行了排序比较.通过实证检验表明,基于熵权未确知测度的评价模型可以全面、有效地对电能质量进行综合评价.     

电能质量治理设备运行状态识别及其治理效果评价*

针对目前电网中电能质量干扰源复杂、用户侧治理设备管理困难的现状,文中提出了基于电网侧电能质量监测数据,对用户侧治理设备进行运行状态识别以及治理效果评价的算法,实现电网公司对用户侧电能质量治理设备的非侵入式监测。文章利用概率神经网络,将电压偏差、三相电压不平衡度、电压谐波总畸变率以及电压长时闪变作为网络的输入参数,对治理设备的工况进行分类,以实现治理设备的运行状态识别;通过对比治理设备投入前后的电能质量评估结果,结合模糊综合评价法来完成治理设备的治理效果评价。以安徽电网某变电站的监测数据为例,分析了所提电能质量治理设备运行状态识别方法和治理效果评价方法的实用性。     

考虑用户不同需求的电能质量综合评估

从电力用户的需求角度出发,提出了一种电能质量综合评估的新方法.该方法首先利用不完全的语言评价信息来描述电力用户对电能质量各技术指标的重视程度和对监测点各指标的优劣评价,然后将这些语言评价信息作为证据,利用D-S证据理论进行证据合成以确定各用户对各监测点的评价信息,最后对所有用户的评价信息进行整体评价并确定各监测点电能质量的优劣及等级.在整体评价过程中,利用冲突度指数来描述用户间的需求冲突,并以此为基础确定各用户在整体评价中的权重.所提出的电能质量综合评估方法既能体现电力用户对电能质量的不同需求,又能体现多数用户的评价意愿.算例分析证明了所提出的方法的有效性.     

基于短板效应的电能质量综合等级评价

为适应未来数字化社会电能质量的多层次需求和电力市场下的多层次交易,要求对电能质量进行科学等级评价.本文提出了依据电磁环境四种兼容水平的电能质量分类分级法;在此基础上,提出了具有有效激励机制的基于短板效应的综合等级评价方法.电能质量的等级评价结果可以作为用户选择供电服务的参考依据,有利于最终实现电能按质定价.     

考虑设备兼容性的电能质量综合评价方法

电能质量综合评价的主体是用电设备,用电设备对电能质量污染的耐受能力及污染对设备的影响应作为评价的依据。从设备群体的电能质量兼容角度出发,构建基于设备兼容性的电能质量综合评价指标,提出了考虑电力用户损失的指标权重确定方法,采用可拓学评价方法对电网电能质量进行综合量化评价,提高了评判的客观性。算例结果验证了所提方法的正确性与合理性。     

基于属性识别理论和AHP的电能质量综合评价体系和方法

对电能商品质量进行综合评价并按优质优价的原则调整电价是电力市场发展的必然趋势。文中首先采用属性识别理论,建立了电能质量综合评价的属性识别理论模型,然后利用AHP(Analysisofhierarchyprocess)方法得到各评价指标的权重,有效地避免了确定指标权重时的主观片面性,综合考虑了影响电能质量的各种稳态和暂态因素后,提出了一套系统的电能质量综合评价体系和方法,实例计算结果表明该方法比模糊综合评价方法能更有效地区分电能质量等级并对其进行定量与定性评估。     

基于改进变权物元可拓模型的电能质量综合评价

对电能质量进行综合评价是电能按质论价和评估点考核奖惩决定的主要依据之一。提出了改进变权物元可拓模型的电能质量综合评价模型,该模型对物元可拓模型的经典域和待评物元以及最大隶属度准则进行了改进,以克服其在电能质量综合评价中的局限性和不足之处;同时,运用变权理论确定了各评级指标的权重,减少了电能质量评价时的主观因素以及体现了评价对象在综合评价中的主动参与。以某110 kV变电站母线实测数据为例,评价结果显示其电能质量等级为合格,但偏向于不合格等级的程度较大。算例结果表明了该模型用于电能质量综合评价的有效性。     

基于RBF神经网络的电网脆弱性评估及其趋势估计

本文建立了分层网状拓扑结构下的电网脆弱性评价体系,针对该体系提出了基于径向基函数（radial basis function,RBF）神经网络的电网脆弱性评估方法。将电网综合脆弱性分为状态脆弱性和结构脆弱性,并与相应的子指标构成脆弱性网状评价体系,同时以高斯（Gauss）函数作为RBF神经网络函数的核函数解决指标间的非线性问题。通过MATLAB中的RBF神经网络函数对IEEE14母线系统计算分析,验证了该方法的全面性与有效性。最后,针对节点多个测量周期的脆弱性测度建立自回归（auto regression,AR）模型,通过判定AR模型的差分方程稳定性,分析了节点脆弱性测度的发展趋势。     

基于径向基函数网络的大型电力变压器故障诊断

研究了径向基函数（RBF）神经网络的模型结构及其在电力变压器故障诊断中的实现方法,介绍了变压器故障诊断的RBF模型.通过故障诊断及仿真实例分析,将RBF网络与BP网络的性能进行比较,得出RBF神经网络训练速度快、逼近误差小、能够更有效地解决电力变压器故障诊断问题的结论.     

基于深度神经网络和内外部因素的大电网安全态势感知研究

随着电网结构的日益复杂,运行调度变得更加困难,大停电事故发生的风险也日益增加,因此能够及时有效地对大电网的安全态势进行感知显得尤为重要。在态势要素提取阶段,从内部因素与外部因素两个方面出发,构建大电网安全态势评价体系,其中外部因素通过统计分析1981年~2015年全国电网的大停电事故得出;在态势理解阶段,通过层次分析法与改进的熵权法获得各指标的综合权重,加权平均得到大电网的安全态势评估值,实现对大电网安全态势的综合评价;在态势预测阶段,构建深度神经网络模型,完成对大电网安全态势的预测。为进一步验证预测模型的有效性,将其与BP神经网络和RBF神经网络对比分析,验证了深度神经网络模型可以有效地对大电网的安全态势进行预测,且预测精度高于传统的神经网络模型。     

径向基函数神经网络在电力变压器故障诊断中的应用

基于油中溶解气体分析法,采用径向基函数（radicalbasisfunction,RBF）神经网络模型对电力变压器进行故障诊断。为了提高诊断模型的辨识精度,分两步对RBF神经网络的模型参数进行辨识：首先采用减聚类算法确定RBF神经网络隐含层基函数的中心点,然后采用量子粒子群优化（quantum-behavedparticleswarmopti-mization,QPs0）算法求解基函数的宽度以及隐含层与输出层的连接权重。仿真实验结果表明,该方法的故障诊断正确率较高,达90．67％。     

基于脊波神经网络的短期风电功率预测

对风电功率进行较为准确的预测是提高电力系统运行安全性与经济性的有效手段.在分析脊波神经网络原理的基础上,将其应用于风速、风向及风电功率预测.首先建立预测模型分别预测风速及风向,再采用非线性神经网络实现对实际功率曲线的逼近,最后根据风速预测值和实际功率拟合曲线计算功率预测值.仿真结果表明,采用脊波神经网络预测方法相对于小...     

大电网电能质量综合评估方法及应用

文中提出了一种基于短板效应的多指标共同贡献的电能质量综合评估方法,适用于大电网、大数据的综合评估。首先给出了电能质量综合评估流程,介绍了各评估指标,并结合实际对评价等级进行了定义,重点对提出的评估方法的评估指标归一化、评估等级、指标计算及应用进行了阐述,该方法突出影响大的电能质量指标,同时兼顾多指标的共同作用,具有计算方便、适用于大数据分析等特点。利用该方法对某地区电网电能质量进行了综合评估,结果表明了所提方法的合理性及实用性。     

发电机进相能力的RBF神经网络模型

发电机进相运行是调节电网电压、改善电能质量的一种经济性、技术性皆优的先进手段。由于发电机是一个多变量、强耦合的非线性系统,基于传统分析方法难以精确建立其进相能力分析模型,本文提出基于径向基函数(RBF)神经网络的发电机进相能力模型,以发电机有功功率和无功功率为输入,以发电机功角、电网电压为输出,采用江苏电网某600MW发电机进相试验数据训练和测试RBF网络,并探讨了基宽、神经元数的选择对RBF网络收敛精度的影响。研究表明本文所建立的发电机进相RBF模型具有速度快、精度高的优点,具有良好的泛化能力,其性能优于BP神经网络模型。本文提出的方法能有效克服传统进相分析方法的局限性,适用于发电机进相运行实时控制,有推广应用价值。     

基于RBF神经网络的光伏系统MPPT研究

针对光伏发电最大功率点跟踪(MPPT)技术的研究和现状,提出了一种基于径向基(Radical Basis Function,RBF)神经网络的MPPT算法。建立太阳能电池板的数学模型,分析光伏发电的主要影响因素。选取电池板的电压、电流为RBF神经网络的输入层,输出层直接调整Boost电路的占空比,达到最大功率点跟踪的目的。与传统的扰动观察法(P&O)相比,所提出的方法无需设定步长,通过RBF神经网络,直接调节Boost电路的占空比进行最大功率点跟踪。仿真和实验结果表明,所提出的MPPT算法与传统的P&O算法相比有更好的快速性和光伏利用效率。     

基于模糊RBF神经网络的风电机组变桨距控制

在介绍模糊RBF神经网络基本原理的基础上设计了模糊RBF神经网络控制器,并将其应用于大型变速变桨风力发电机组的变桨距控制中.在风速高于额定风速时,通过控制桨叶节距角来改变攻角从而改变风机获得的空气动力转矩,以实现输出功率稳定在额定值.将该模糊神经网络控制方法和PI控制进行仿真比较,结果表明前者优于PI控制.     

基于PSO-MP算法和RBF神经网络的电能质量扰动识别

准确识别扰动信号类型对分析和治理电能质量问题具有重要意义。文中提出一种基于粒子群优化匹配追踪算法(PSO-MP)和RBF神经网络的电能质量扰动识别方法。首先,构建工频原子库将工频信号提取出来,得到的残余信号能更好地体现扰动信号差异性;再利用PSO优化匹配追踪算法以减小计算量,并结合离散Gabor原子库对残余扰动信号进行稀疏分解,准确提取其原子参数;最后将原子参数以及残余信号在原子上的投影的均值和标准偏差作为特征量,利用RBF神经网络对扰动信号进行识别。仿真算例表明,该方法能够有效地识别几种常见的电能质量扰动,且具有抗噪性能强、计算量小等优点。