电压暂降源识别方法研究

分析了不同暂降干扰源产生的暂降现象,从暂降幅值、是否在电压暂降同时发生了暂升、暂降期间电压的变化特点及三相电压是否平衡等方面总结了不同暂降源的特征。考虑到目前我国电能质量监测系统中一些监测仪器在一定条件下只能提供部分周期的有效值数据的情况,提出了一种适用于现有监测仪器的方法,仅进行电压有效值计算,根据不同电压暂降引起的暂降幅值大小、暂降结束时是否产生电压跳变(或对电压暂降过程中电压变化趋势进行分析比较)、三相电压是否平衡以及是否发生电压暂升等方面情况的不同,提取相应的特征量,实现了对线路故障、变压器投切和大容量感应电动机启动所引起电压暂降的分类。仿真结果验证了所提出方法的正确性。     

一种新的电压暂降检测方法

对电压暂降特征量的快速检测是动态电压恢复器(dynamic voltage restorer,DVR)实现电压补偿的前提。介绍了几种典型的电压暂降检测方法,对广泛采用的αβ变换法进行了详细的分析,在此基础上提出了一种新的检测方法,该方法通过锁相、低通滤波器等环节可快速推导出基波电压的有效值及相位。较之于传统的αβ变换法,该方法的延时明显减少,因此可以提高DVR的动态性能。仿真结果证实了该方法的有效性。     

基于BP-AdaBoost的电压暂降源识别方法

电压暂降源的准确识别对治理电压暂降问题和改善电能质量至关重要。提出了一种基于BPAdaBoost网络的电压暂降源识别方法。通过直接提取原始波形的时域特征和经S变换后的时频域特征,构建识别特征向量。针对单一分类器的分类精度和过拟合等不足,采用AdaBoost算法进行集成优化为强分类器。选取BP神经网络作为基础分类器,通过大量数据训练得出最强网络参数,得到BP-AdaBoost暂降源识别模型。应用仿真数据和实测数据验证了所提暂降源识别模型的有效性,证明所提方法识别精度高,具有工业应用前景。     

一种基于改进灰色关联分析的电压暂降源识别方法

为准确识别电网中各类暂降源,提出了一种基于改进灰色关联分析的电压暂降源识别方法。分析了其产生机理,并利用暂降分段法,分析电网中各类暂降源的波形特点;针对传统灰色关联分析模型的不足,利用熵权法进行改进;提取电压暂降波形的时域特征,形成六类暂降源对应的标准参考序列和待识别暂降源对应的比较序列,利用改进的灰色关联分析模型计算参考序列和比较序列的关联度,实现暂降源的准确识别。通过PSCAD/EMTDC仿真和实测数据对所提方法进行验证,并与其他方法对比,证明了所提方法能在样本较少的情况下准确识别各类暂降源,且能确定短路引起暂降的故障类型,具有较大的工程应用前景。     

基于距离判别分析的电压暂降源识别方法

为准确识别电网中的各类电压暂降源,并避免其他方法在识别过程中特征提取困难的问题,从最小距离的角度提出了一种基于距离判别分析的电压暂降源识别方法。利用暂降分段法对电压暂降有效值的波形变化特点进行分析,并以粗粒化的有效值波形构建了与电压暂降源类型相对应的六个总体。采用多总体马氏距离判别分析方法,利用训练样本进行学习,建立相应的判别函数及其判别准则对待判样本进行判别,从而实现电压暂降源的识别。通过仿真建模对所提方法进行了验证和对比分析,结果表明该方法的识别准确率和性能较高、交叉误判率低,对噪声鲁棒性好,满足实际应用要求。     

基于优化极限学习机的电压暂降源识别方法

准确识别电压暂降源对暂降责任分摊和治理决策至关重要。文中提出一种基于优化极限学习机的电压暂降源识别方法。通过直接提取电压暂降波形的时域特征和经S变换提取能量熵和奇异熵2种时频域特征,构建基于时域和时频域的特征向量,弥补现有方法仅采用时频变换提取特征,可能丢失仅存在于时域内的重要信息而影响识别精度的不足。针对极限学习机输入权值和隐含层偏置随机产生的不足,采用遗传算法对其进行优化,构建优化极限学习机模型,解决利用模式识别存在模型复杂和耗时较长,难以实现快速识别的问题。应用仿真数据和实测数据验证了所提特征向量和优化极限学习机模型的有效性;并与其他方法相比,证明所提模型简单、训练和分类识别速度快,识别精度更高,适用于边缘计算,可实现电压暂降源的快速准确识别。     

基于VMD和IAO-SVM的电压暂降源识别方法

针对支持向量机(support vector machine, SVM)的惩罚因子、核函数参数选择困难和天鹰优化(aquila optimizer, AO)算法在寻优时容易陷入局部最优解的问题，利用改进的天鹰优化(improved aquila optimizer, IAO)算法对SVM的惩罚因子和核函数参数进行寻优，构建IAO-SVM分类器，利用变分模态分解(variational mode decomposition, VMD)提取电压暂降源信号三相电压的特征向量，并进行归一化处理之后输入到构造好的IAO-SVM分类器中对样本进行训练与识别，并与K近邻、极限学习机、SVM和AO-SVM这4种分类器进行对比。仿真结果表明，在对8种电压暂降源信号分别加入0 dB、10 dB、20 dB、30 dB、40 dB、50 dB和60 dB的高斯白噪声情况下，IAO-SVM分类器识别的准确率分别为99.5%、94%、99.25%、100%、99.25%、98.5%和97.25%,其识别准确率最高，验证了在对信号加入不同的高斯白噪声时，IAO-SVM分类器均具有较高的识别准确率和抗噪声能力，有助...     

一种基于临界点法的电压暂降域混合识别方法

电力系统中发生短路故障时,使敏感负荷所在母线电压骤降到预先设定的故障范围的故障点所在区域,即为暂降域。但是在大型复杂电网中,暂降域难以准确识别。提出了一种基于临界点法的暂降域混合识别分析算法,首先给出平衡和不平衡故障下,敏感负荷点的故障残余压计算公式;在此基础上引入二次插值、黄金分割法等多种数值分析方法,将母线上的临界点求取问题简化为插值函数根的求解问题;最后采用IEEE30节点标准测试系统作为算例,验证了该方法的正确性和实用性。结果表明本方法在保证计算精度的前提下,简化了暂降域的求解过程,收敛性好,易于计算机编程实现,具有一定实用价值。     

基于最小变异系数的配电网电压暂降源模型识别方法

提出了一种基于最小变异系数的配电网电压暂降源模型识别故障定位方法。该方法通过获得配电网中各个节点短路时监测点所测得的电压暂降特性,建立在不同故障类型条件下的电压暂降源识别模型,根据实际配电网发生故障时监测点所测得的电压暂降数据,用电压不平衡度公式区分出故障类型后,再与相应故障类型的电压暂降源识别模型进行比对,得到最小平均变异系数的区段则具有最大概率为故障区段。该方法将配电网故障选线和配电网故障区段定位融合在一起,经EMTDC仿真验证,有较高的准确性和有效性。     

基于深度学习模型融合的电压暂降源识别方法

电压暂降源的识别是制定电压暂降治理方案和明确事故责任的基础。电压暂降源可分为单一电压暂降源和复合电压暂降源,电网设备的复杂化和用电模式的区域化对基于物理特征的传统电压暂降源识别方法提出了新的挑战。该文提出一种基于模型融合的电压暂降源识别方法,通过深度学习算法中的卷积神经网络获取电压暂降信号的时序特征和空间特征,采用深度置信网络替换卷积神经网络中用于提纯高维特征和起分类器作用的全连接层,从而增强网络的多标签分类能力。利用仿真和加噪数据对网络进行迭代训练和反复测试,验证了融合模型的高识别精度和抗噪性能。对比传统的电压暂降源识别方法,生成的模型具有良好的泛化能力,能够有效应用于实际工程中。     

一种基于二分类的电压暂降源定位方法

电压暂降源定位实质是根据暂降源位置敏感的物理量,来确定暂降源位于监测点的上游或下游位置,模式识别上属于二分类问题。提出了一种基于智能分类的电压暂降源定位方法。分析回顾了现有的几种典型暂降源定位方法及其判据,通过判据研究提取源位置敏感的多个定位特征量,并采用支持向量机智能算法对已有故障诊断结果进行学习,从而在该多维特征空间构建判别上下游的最优分类面,利用此最优分类面(即为二分类支持向量机)实现基于二分类的暂降源定位。测试数据表明,该方法能够有效实现电压暂降源定位,定位准确率高且所需计算时间短。     

基于小波熵和概率神经网络的配电网电压暂降源识别方法

分析了短路故障、感应电动机启动和变压器投运引起电压暂降的原理及各类电压暂降的特征,提出一种基于小波熵(wavelet entropy,WE)和概率神经网络(probability neural network,PNN)的电压暂降源识别方法。提取信号的小波能谱熵和小波系数熵特征向量,并将其输入概率神经网络,实现电压暂降源的自动识别。利用Matlab/Simulink建立简单配电网的仿真模型进行验证,结果表明,基于小波熵和概率神经网络的方法能很好地识别电压暂降源。     

一种改进的电压暂降检测方法

电压暂降是最严重的电能质量问题之一,补偿电压暂降能够带来巨大的经济效益,而实现电压暂降特征量的快速、准确检测是电压暂降补偿的前提.本文对现有的电压暂降特征量检测方法进行了全面的研究后,提出一种改进的电压暂降检测方法.该方法利用求导来代替αβ变换方法中的相位延迟算法,不但克服了αβ变换方法中相位延迟算法所造成的短时扰动现象,提高了检测精度,而且还明显加快了检测速度,提高了算法的实时性,从而实现了电压暂降特征量的快速、准确检测.仿真结果证明了该方法的有效性,有望用于DVR补偿装置.     

一种用于检测电压暂降的新方法

电压暂降问题严重影响电网的电能质量,对于此类问题的解决方案还未能同时兼顾实时性与准确性。故本文将通过PSCAD分析比较多种电压暂降检测的方法,并在单相电路瞬时电压dq0坐标变换检测法的基础上,将变换坐标并延迟60°,提出一种新的单相dq坐标变换检测法。最后采用PSCAD仿真三相电力系统发生单相接地的故障工况,分别采用快速傅里叶电压暂降检测法、单相电路瞬时电压dq0坐标变换检测法与新的单相dq坐标变换检测法进行电压暂降检测,从而对比分析得到新的方法检测的优越性。该检测方法为电压暂降的检测提供了新的思路和新的手段。     

电压暂降扰动源电压空间矢量辨识法

分析了不同暂降扰动源产生的电压暂降的幅值、相位和谐波特征,提出一种基于电压空间矢量的电压暂降扰动源辨识方法。该方法先对三相电压信号进行αβ变换构造出电压空间矢量和零序分量,利用离散傅里叶变换(DFT)将电压空间矢量分解成正、负序两个旋转分量,构造出幅值、相位和谐波特征量,将三者相结合可对造成电压暂降的扰动源进行辨识。时变电压空间矢量在复平面轨迹的三维可视化的描述可以对电压暂降全过程进行全面表征。利用Matlab/Simulink建立简单配电网的仿真模型,结果验证了所提出方法的有效性和正确性。     

电力系统电压暂降源定位方法综述

主要对电力系统电压暂降源的定位方法进行了综述.为了加深对电压暂降源定位问题的认识和理解,从电压暂降的定义、引起原因入手,介绍了电压暂降源定位问题的含义.重点讨论了当前现有的四类主要定位算法,包括基于扰动功率和能量的定位法、基于阻抗实部的定位法、基于暂降分类的定位法及其他方法,并分析了它们各自的原理、优势和不足.在总结目前现有电压暂降源定位方法的基础上,从三个方面对今后的研究工作进行了展望.     

电力系统电压暂降源定位方法综述

主要对电力系统电压暂降源的定位方法进行了综述。为了加深对电压暂降源定位问题的认识和理解,从电压暂降的定义、引起原因入手,介绍了电压暂降源定位问题的含义。重点讨论了当前现有的四类主要定位算法,包括基于扰动功率和能量的定位法、基于阻抗实部的定位法、基于暂降分类的定位法及其他方法,并分析了它们各自的原理、优势和不足。在总结目前现有电压暂降源定位方法的基础上,从三个方面对今后的研究工作进行了展望。     

配电系统中电压暂降源定位方法研究

电压暂降是影响电能质量的主要原因之一。准确地判断电压暂降源的位置。有助于评估区域配电系统和选择合理的治理措施。而且可以作为电力市场环境下协调电力部门与用户之间纠纷的重要依据。当暂降源位于监测装置的下游时。监测点的距离阻抗幅值和相角发生大幅的变化。当暂降源位于监测装置上游时,监测点的距离阻抗幅值和相角的变化幅度较小。根据...     

煤矿配电网电压暂降源辨识模型

针对煤矿配电网电压暂降信号特征提取困难和辨识准确率低的问题,应用小波熵结合支持向量机SVM(support vector machine)建立故障辨识模型,以故障信号的小波熵测度来表征故障特征,对电压暂降信号进行小波多分辨分析,选取采样序列的高频系数分量,计算其小波系数熵和小波时间熵,作为特征向量输入SVM,使故障信号特征更加明显,对故障源进行自动分类辨识。结果表明,与小波结合BP神经网络方法比较,无论在训练时间上还是在辨识准确率方面均有明显优势。     

一种电压暂降及电压凹陷域的计算方法

介绍了电压暂降分析的计算方法,主要分为两类:实测统计法和随机估计法,主要讨论了随机估计法的两种算法:故障点法和临界距离法;在此基础上提出将二者有机结合的算法,最后通过实验和仿真的方法说明了该算法不仅可以准确确定系统发生故障时各变电所、各母线的电压暂降;而且能够确定电压暂降凹陷域的范围,从而说明了该算法的可行性和准确性。