带分布式电源的配电网电能质量扰动源定位

为实现带分布式电源的智能配电网发生电能质量扰动时的自动精确定位,提出了一种粒子群优化算法和矩阵算法结合的电能质量扰动源自动定位算法。采用矩阵描述配电网拓扑结构和电能质量监测信息,建立了矩阵粒子群优化模型,构建了一种新的评价函数,通过矩阵粒子群迭代进行全局寻最优解。MATLAB仿真表明,该算法能实现在接入分布式电源情况下的扰动源自动精确定位,并具有定位准确、收敛性好、容错率高等优点。     

网络化电能质量监测与分析系统的设计

概括了网络化电能质量（PQ）监测与分析系统的主要特性和关键研究课题。采用一种经济型的网络化监测与分析系统结构,并通过整数线性规划问题最优解求取的方法进行监测点数量和布置点的优化设计,实现系统构建的经济优化。提出了一种PQ事件源定位的改进型算法,基于虚拟PQ监视器（PQM,即电能质量采集终端）的定义实现系统覆盖矩阵和方向矩阵的扩展,经过简单的矩阵运算可实现事件源的自动精确定位。分别采用5节点环状系统和简单的辐射型配电系统验证了经济优化算法和事件源自动精确定位算法的有效性。     

复杂电能质量扰动事件源定位方法

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在对复杂扰动事件的类型和时空特征进行分析的基础上,提出一种复杂电能质量扰动事件源定位方法。采用原子算法检测扰动事件,给出根据各基本事件的起止时间进行扰动区段划分的方法;采用叠加原理对瞬时功率进行分析,提出根据扰动能量的极性对各区段扰动事件源进行定位。算例结果表明,该方法能够实现复杂电能质量扰动事件源定位。     

复杂电能质量扰动事件区段定位方法研究

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在分时段进行扰动方向判别的基础上,提出一种基于测度加权模糊Petri网的复杂电能质量扰动事件源定位方法。基于扰动功率和能量分时段进行扰动方向判别,根据功率传输通路表确定可疑支路,综合扰动强度和扰动方向判别结果可信度给出了状态测度提取方法,最后应用测度加权模糊Petri网对可疑扰动事件源进行定位。算例结果表明,所提方法能够实现多基本事件、多扰动事件源的复杂电能质量扰动事件源定位,并具有较强的容错性能。     

基于信度融合和滑模控制的暂态电压扰动源容错性定位

提出了一种基于信度融合和滑模控制的含分布式电源(DG)智能配电网中实现暂态电压扰动源(TVDS)容错性自动定位方法。在基于网络化电能质量监测系统平台的TVDS容错性自动定位系统框架下,对其中关键功能模块的实现原理进行详细分析,包括基于电能质量监测点优化布置的电能质量动态状态估计、扰动方向判定信度影响因素分析及信度融合、DG接入对扰动方向判定影响规律分析与归纳。然后,提出一种基于滑模控制的TVDS容错性定位算法,实现综合考虑了扰动方向融合信度、DG接入方向误判校正的TVDS容错性自动定位。最后,通过IEEE 34节点含DG配电网络算例,分析验证了所提TVDS容错性定位方法的可行性和有效性。     

基于奇异值分解的电能质量信号去噪

提出了一种基于奇异值分解的电能质量扰动信号去噪算法.算法重构采集信号时间序列的吸引子轨迹矩阵,根据轨迹矩阵奇异值的加权能量贡献率(PCTE)选择奇异值进行扰动信号重建,重建信号即为去除噪声后的电能质量扰动信号.仿真试验结果表明奇异值分解能够有效地提高扰动信号的信噪比,保持原始电能质量信号的扰动特征,此算法理论基础完善,易于实现,有良好的发展前景.     

基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别

新型电力系统中电能质量扰动问题愈加复杂和严重,多种电能质量扰动同时出现,导致传统算法识别准确率降低。 提出一种基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别算法。采用马尔可夫变迁场将电能质量扰动信号可视化映射为二维特征图像;通过EfficientNet卷积神经网络处理图像数据,实现扰动信号的特征提取;利用神经架构搜索自动调节卷积神经网络超参数进行网络训练,建立电能质量扰动分类识别模型。仿真结果表明,所提方法能够准确高效地提取扰动信号特征,对复合电能质量扰动分类效果好且抗噪声能力强。     

基于大数据深化分析的电能质量扰动辨识方法研究

随着海量充电桩、分布式能源和新型储能设备等新型设备接入电网,导致电能质量问题日益突出。该文以随机矩阵理论为基础,提出基于大数据深化分析的电能质量扰动辨识方法,实现电能质量异常扰动的高精度辨识及挖掘。利用高维随机矩阵对电能质量状态进行表征;通过计算随机矩阵的谱半径来映射电网电能质量的数据变化状态,以实现电能质量扰动的自动辨识;以仿真的电网运行数据为对象进行实例分析,验证了所提方法的有效性。     

基于广义S变换的短时电能质量扰动的模糊模式识别

针对电能质量的短时扰动的分类问题,提出了一种基于广义S变换和模糊模式识别的短时电能质量的分类方法.先对扰动信号作广义S变换得到模时频矩阵,再从该矩阵中提取4种统计量特征值,然后利用模糊模式识别方法的最大隶属度原则对扰动信号进行归类,从而实现对短时电能质量扰动信号的自动分类.仿真测试结果表明,该方法识别正确率高且对噪声不敏感,适用于实际应用.     

计及监测可信度的扰动源定位粒子群算法

当智能配电网发生电能质量扰动时,由于网络结构、高斯噪声和监测误差等因素常存在扰动方向误判问题,而现有电能质量扰动源定位方法对此定位准确度低。由此提出一种计及监测可信度的扰动源定位粒子群算法。设计了一种监测可信度函数构建方法,来表征扰动方向判定的准确程度,创新性地建立了粒子群可信度优化模型,提出了独创的评价函数,通过粒子群迭代进行全局寻最优解。通过Matlab仿真表明,所提新算法实现了在部分监测数据有误情况下的扰动源自动精确定位,并具有定位准确、收敛性好和容错率高等优点。     

基于二维离散余弦S变换的电能质量扰动类型识别

为获得可靠的高质量电能,提高电能质量扰动(Power Quality Distrubances, PQD)类型识别准确率,提出了一种基于二维离散余弦S变换(2D-DCST)的PQD类型识别方法。首先在数学模型的基础上,生成包括7种复合扰动在内的17类不同的电能质量事件。然后将一维的PQD信号转换成行列相等的二维信号,利用2D-DCST方法从二维信号中得到其振幅矩阵,对振幅矩阵提取基于统计、能量和图像的特征。再使用第二代非支配排序遗传算法(NSGA-Ⅱ)将提取的大量特征降维成少量有用的特征组。最后对所选特征使用支持向量机(SVM)分类器,构建一个分类准确率高、特征数目少的类型识别模型。实验结果表明,该方法能够准确高效地识别17类电能质量事件,并且有较好的抗噪性。同时对复合扰动也有较高的识别准确率,为电能质量扰动类型识别问题提供了新的方法。     

基于小波分解和数据挖掘中决策树算法的电能质量扰动识别方法

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种基于小波分解和数据挖掘中决策树算法的电能质量扰动(power quality disturbance,PQD)识别方法。建立了正弦信号和6 种常见PQD 信号的数学模型,通过小波分解得到了上述信号的特征量,结合决策树方法实现了对PQD 的自动分类,并通过合理选择小波类型、分类算法和去噪方法提高了PQD 的分类精度。实验结果验证了该识别方法的准确性和高效性。     

配电网故障区间定位的改进矩阵算法

分析目前配电网故障定位算法中存在的不足,结合配电网的结构特点,提出网络关系矩阵概念和用于故障定位的改进矩阵算法。该算法与之前的矩阵算法及其他改进矩阵算法相比,具有原理简单,无须复杂的运算且运算量小,实时性好的特点。不仅适用于单电源供电的简单配电网故障定位,也适用于多电源供电的复杂配电网故障定位。不仅可以快速准确地定位单点故障,也可以快速准确地定位多点故障。甚至各台柱上FTU上传主站的信号发生畸变时,仍能快速准确地定位故障,具有非常好的容错性能。实例分析和案例仿真表明该算法的可行性与准确性。     

电力网络拓扑分析与源流路径链生成算法

为快速、准确和全面地求取电力网络源流路径链,提出了一种新型的网络拓扑分析与源流路径链生成算法。该算法首先根据电网某一拓扑结构及其潮流状态形成有向图和送端节点-送电支路邻接表,然后进行两轮拓扑分析,快速生成源流路径树,并由此获取相关的源流路径链。此算法无需通过基于图论邻接终点矩阵的复杂运算,简便快捷。此外,该算法可用于求解电力网络发生局部拓扑和局部潮流流向变化后的路径链局部修改问题。     

基于分段改进S变换和随机森林的复合电能质量扰动识别方法

各类分布式设备和智能设备接入电力系统,使得电力系统对电能的波动越来越敏感,这导致对电能质量扰动(PQD)的识别和处理变得越来越重要。通过将分段改进S变换(SMST)和随机森林(RF)算法相结合,提出了一种用于复杂噪声环境下PQD识别的新方法。首先,基于检测误差和峰度对SMST的不同频段进行分别调参,并使用SMST提取待检测信号的75种时频特征,构成原始特征集。然后,改进分类回归树(CART)的节点分裂过程,加入了离散值处理策略并使用Gini指数的下降作为新的节点分裂规则。同时,在下次节点分裂前,将基尼指数下降值为零的特征从特征集中删除。最后,使用改进的CART算法构建了RF分类器并对复合PQD信号进行分类。实验证明,在不同的信噪比条件下,新方法均能有效识别多数单一PQD信号和常见的双重复合PQD信号。虽然新方法在运行效率方面仍有一定的改进空间,但其在不同层面上的改进均能有效提升PQD识别精度,且平均分类精度明显高于各类传统PQD识别方法。     

基于S变换和IWOA-SVM的复合电能质量扰动识别

针对目前复合电能质量扰动（PQD）信号特征冗余,分类识别准确率低的问题,提出了一种基于S变换和改进鲸鱼算法支持向量机（IWOA-SVM）的复合电能质量扰动识别方法。首先,利用S变换对7种单一电能质量扰动和生成的13种复合扰动信号进行时频分析,使复杂扰动信号的特征得以凸显。设计特征提取方法,从实频矩阵中尽可能地获取便于分类的信号特征信息;其次,引入自适应权重因子和随机差分变异策略对WOA进行优化,提升其搜索能力;最后建立IWOA-SVM分类预测模型,优化SVM高斯核函数参数,以获得更好的鲁棒性和泛化能力,对提取的特征样本进行自动分类和识别。实验结果表明,所提方法分类识别准确率高,能有效识别多种复合PQD信号,有助于评估与治理电能质量问题。     

基于第二代小波变换和矢量量化理论的电能质量扰动分类方法

提出了一种将第二代小波变换和矢量量化相结合的电能质量扰动分类方法。该方法采用第二代小波变换对电能质量扰动信号进行时频分析,采用基于模极大值的小波变换后处理方法提取时频分析结果中表征扰动特征的模极大值、生成扰动特征量组,通过将扰动特征向量组送入基于矢量量化的树形分类器实现了对电能质量扰动的分类。仿真结果表明该方法噪声鲁棒性良好、简单可靠、分类准确率高、实时性好。     

配电网故障定位的改进通用矩阵算法

分析了目前配电网故障定位算法中存在的问题,针对馈线区域和开关设备拓扑联接关系的网络关联描述矩阵模型,提出了一种配电网故障定位的改进通用矩阵算法,该算法在通用矩阵算法的基础上,对配电网末端故障及多电源复故障问题提出了新的判据,可快速地定位出故障区域,同时能确定出隔离该区域所应断开的电源侧开关,不仅能对配电网单一故障进行定位,而且能对配电网末端故障以及多电源复故障做出快速、准确的诊断。该算法判据简单,通过算例证明了该判据的有效性。     

基于GAF与卷积神经网络的电能质量扰动分类

针对在设计电能质量扰动(Power Quality Disturbance, PQD)分类器时人工选取特征过程繁琐并且不够精确的问题,提出一种基于格拉姆角场(Gramian Angular Field, GAF)和卷积神经网络(Convolutional Neural Network, CNN)的PQD分类方法。首先将一维PQD信号映射为二维图像,接着在已有的神经网络基础上构造适用于PQD分类的网络框架。最后将二维图像作为输入,CNN将自动从海量的扰动样本中提取特征并加以分类。仿真结果表明该方法在噪声数据中具有良好的分类性能,是一种行之有效的PQD分类方法。