基于FASSA-SVM的充电桩故障预测算法研究

为了电动汽车直流充电桩的安全稳定运行,本文提出一种基于改进支持向量机的充电桩故障预测算法。该算法首先针对充电桩的运行参数进行缺失值填充、归一化等预处理;然后将预处理后的数据输入支持向量机模型训练,之后引入萤火虫算法改进麻雀算法对支持向量机模型进行参数寻优,得到最优模型;最后利用得到的最优模型预测诊断充电桩运行状态,来判断充电桩是否发生故障。实验结果表明,本文的预测算法预测精度可达94.68%,远高于传统的支持向量机模型的72.34%,能较准确地预测充电桩运行状态,为其预知维修、保障安全运行提供有力保障。     

基于 MSK-SVM 的滚动轴承故障诊断方法

针对非线性支持向量机分类准确率受核函数影响的问题,提出一种多尺度核支持向量机(multi-scale kernel support vector machine, MSK-SVM)分类模型,并将该模型应用于滚动轴承故障诊断。该模型在常用的多项式核、高斯核和Sigmoid核函数基础上,引入了Morlet、Marr和DOG小波核函数。利用不同核函数的全局性和局部性以及核函数尺度参数不同作用范围不同的特点,组合具有不同特性及不同尺度参数的核函数作为多尺度核。基于梯度下降法,自适应地确定多尺度核函数权值,得到MSK-SVM滚动轴承故障诊断模型。为说明算法有效性,分别基于滚动轴承故障数据集和全寿命周期数据集进行了实验验证,并分析了基于不同特性MSK和相同特性MSK的SVM模型分类性能。结果表明本文所提模型较传统单个核函数SVM分类准确率更高,且具有良好的泛化能力。     

基于ISSA优化SVM的变压器故障诊断研究

针对传统的变压器故障诊断方法准确率较低的问题,提出了改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机(SVM)的变压器故障诊断方法。首先引入动态反向学习因子对种群进行优化选择以提高麻雀搜索算法(SSA)全局寻优能力,其次用ISSA优化SVM的核函数参数和惩罚系数,建立基于油中溶解气体分析(DGA)的ISSA算法优化SVM的故障诊断模型。然后采用核主成分分析法(KPCA)对故障数据进行非线性降维。将经过KPCA处理后的数据输入ISSA-SVM进行故障诊断。并与灰狼算法-支持向量机(GWO-SVM),粒子群算法-支持向量机(PSO-SVM)诊断结果进行对比。结果表明,ISSA-SVM故障诊断率为92%,比GWO-SVM, PSO-SVM,SSA-SVM分别提高了10.67%、8%、5.33%,可以更精准的预测变压器运行状态。     

基于布谷鸟算法和支持向量机的变压器故障诊断

电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。     

基于免疫优化多分类SVM的变压器故障诊断新方法

针对支持向量机中参数设置对支持向量机分类精确度影响较大及传统支持向量机不能直接用于多分类问题的状况,提出了一种基于免疫优化多分类支持向量机的变压器故障诊断新方法,该方法利用免疫算法优化支持向量机分类参数。以一类分类算法为基础建立多分类算法模型,在高维特征空间求出超球体中心,然后计算样本与中心最小距离,以此判定该点所属故障类型。该算法充分发挥了支持向量机高泛化能力的优势,大大减少了对支持向量机参数选择的盲目性。仿真计算结果表明,在有限样本情况下,该方法能够达到较高的变压器故障诊断率,从而证实了该方法的正确性和有效性。     

基于粒子群优化支持向量机的变压器故障诊断

针对基于DGA的变压器故障诊断方法在变压器故障诊断中存在的不足,提出了基于粒子群优化支持向量机的变压器故障诊断方法。建立支持向量机分类机的变压器故障诊断模型,并用粒子群算法优化参数,利用libSVM工具箱在MATLAB软件平台上训练支持向量机分类机,用训练良好的支持向量机诊断110kV立星变电站变压器故障状况。结果证明,采用基于粒子群优化支持向量机的变压器故障诊断结果与实际相符。此方法能够提高变压器故障诊断的准确率。     

基于RFE和SA-SVM的变压器故障诊断

通过对变压器油中溶解气体进行分析,可以及早的发现变压器的故障。为了全面地反映变压器内部故障与特征气体之间的关系,提出采用5种特征气体浓度比值共计15组作为特征预输入量,并采用基因选择算法对15个特征量进行筛选,将筛选后特征量作为支持向量机模型输入。在SVM模型中,采用模拟退火算法对SVM的参数进行优化,给出其GUI界面。最后,通过数据验证基于RFE-SA-SVM模型故障诊断率要高于单一模型。     

基于IABC优化SVM的变压器故障诊断

针对故障信息较少时无法准确诊断变压器故障的问题,提出一种改进的人工蜂群算法优化支持向量机的故障诊断方法。首先采用主成分分析(PCA)对输入变量进行特征提取,降低特征向量的维数,避免了变量信息之间的相互重叠。其次,通过基于二维均匀的种群初始化和基于欧氏距离的食物源更新来对传统的人工蜂群算法(ABC)进行改进,并将改进蜂群算法(IABC)与ABC和粒子群算法(PSO)进行性能测试,证明了搜索速率和收敛性都有显著提高。最后用IABC优化支持向量机(SVM)的参数,将PCA提取的新特征值分别输入IABC-SVM、GA-SVM、PSO-SVM模型并对比诊断效果。最终表明所提方法具有诊断准确率高、模型简单、泛化能力强的特点。     

基于模型预测控制的电动汽车直流充电桩功率器件开路故障诊断方法

针对电动汽车直流充电桩故障中较为常见的功率器件开路故障,提出了一种基于模型预测控制的电动汽车充电桩实时故障诊断方法。采用模型预测电流控制方法替代传统PWM整流器电流环中的PI控制器。在此基础上,将功率器件开路故障情况下整流器实际应用的开关状态与通过模型预测控制得到的最优开关状态相比较,建立故障特征信号,从而实现充电桩功率器件开路故障诊断与定位。由于不同功率器件故障特征信号之间互不影响,因此该方法对于单管、双管及多管同时故障均有显著效果。仿真结果验证了该充电桩故障诊断方法的正确性和有效性。     

基于ABC-SVM算法的光伏阵列故障诊断

针对光伏阵列的四种典型故障(老化、遮阴、短路和开路),提出了一种基于人工蜂群算法(ABC)优化支持向量机(SVM)的故障诊断模型,用Matlab对光伏阵列进行仿真,提取故障状态下光伏阵列输出特征向量作为训练样本,通过人工蜂群算法对支持向量机的惩罚因子和核函数参数进行寻优,利用寻优后的参数建立模型进行训练与验证.仿真结果...     

一种基于深度神经网络的直流充电桩故障诊断方法

针对直流充电桩故障多发的现状,提出一种基于深度神经网络的直流充电桩故障诊断方法,利用对整流器输出电压的监测实现充电桩故障实时诊断.利用电路仿真软件对直接电流控制系统、同步PI电流控制和一种旋转坐标系解耦控制等典型的控制策略在正常运行、功率器件故障、控制元件故障等运行状态下进行仿真,得到了720组输出电压波形数据.将这些...     

基于随机森林算法的V2G充电桩故障诊断研究

针对V2G直流充电桩开关模块的故障诊断问题,提出一种基于随机森林算法的诊断方法。该方法使用小波包分析提取故障电流信号中的特征信息,使用核主成分分析降维以降低样本数据的复杂程度,使用随机森林算法训练出适用于直流充电桩开关模块的故障诊断器。实验验证表明,采用随机森林故障诊断器可以有效诊断开关模块故障。该方案在直流充电桩开关模块故障诊断方面具有现实意义。     

基于嵌入式Linux的电动汽车交流充电桩的设计

介绍了基于嵌入式Linux操作系统的电动汽车交流充电桩设计方案。阐述了充电桩的功能需求和整体硬件实现方案以及软件实现流程图。其中软件实现包括充电桩读取电能表的数据程序、IC卡读卡器的数据提取程序以及充电桩与后台监控系统的以太网通信流程。该电动汽车交流充电桩符合目前国内相关标准,通过实验测试,可以实现对电动汽车的充电控制任务。     

基于STM32的三相交流充电桩控制系统设计

基于STM32F105VCT6芯片,设计了一款支持触摸/刷卡操作、电能计量和4G通信等功能的三相交流充电桩控制系统。提出了三相交流充电桩控制系统的主体结构,对其进行了功能模块划分,设计了控制系统的硬件电路和软件程序,主要包括控制导引状态检测电路、三相电压和电流测量等电路,并且采用KeilμVision5软件开发系统对控制系统进行软件开发,设计了控制导引电路和状态检测电路等软件程序。样机测试表明,所设计的三相交流充电桩控制系统能够实现充电桩与车辆的正确响应,可以用于电动汽车充电领域。     

基于改进VSG技术双向充电桩控制策略研究

随着能源的日益紧缺,新能源汽车的应用越来越广泛.电动汽车的充放电接口实现了能量的双向流动,传统变换器由于缺少惯性与阻尼,大规模电动汽车的使用必将给电力系统带来一定的冲击,若不加以控制,必将影响到用户的用电质量.提出一种基于V2G模式的智能充放电技术,将虚拟同步机技术应用于电动汽车的充放电控制上,通过模拟同步电机的惯性与...     

基于STM32的智能充电桩嵌入式控制系统设计

STM32 系列产品是一种超低功耗的 ARM Cortex-M0 处理器内核,基于STM32设计智能充电桩嵌入式控制系统,优化充电桩的智能充电控制能力.首先进行智能充电桩嵌入式控制系统总体设计构架,分析了系统的功能指标,建立嵌入式STM32开发环境.进行系统的硬件电路模块化和集成设计,包括传感器模块、RTC模块电路、时钟电路、STM32主控电路、复位电路以及显示模块.以Linux2.6.32内核为平台,结合STM32嵌入式处理器,采用 8 位和 16 位微控制器进行智能充电桩的嵌入式控制系统的软件开发,实现编译器和汇编器的程序编译,实现系统的软件开发优化.系统调试结果表明,该系统能有效实现智能充电桩嵌入式控制,控制性能可靠稳定.     

基于GPS数据的电动出租车充电桩选址定容

随着电动出租车规模化的增长,关于电动出租车集群充电桩的选址定容问题日益凸显。该类车辆的轨迹分布在城区,并且该类车辆对公共充电桩的依赖远高于私家电动汽车。为了能够满足这类车辆充电的需求,提出了一种基于全球卫星定位系统(GPS)考虑电动出租车运行轨迹、车辆进入停车场时序性和停车场现有负荷水平的电动出租车充电桩规划方法。采用k-means算法分析得到电动出租车的常驻点并将其作为精选地址的相关依据;计及相邻预选址之间的干扰,以最小花费成本为目标函数对充电桩预选址进行精选;考虑车辆进入停车场的时序性和停车场现有负荷水平计算充电桩的可安装数目。仿真结果表明,针对电动出租车这类特殊集群有常驻点,通过计算最小成本可进行进一步优化,避免出现2个预选址距离太近的情况;在精选地址下对车辆进场时序性和负荷进行分析,可为城区规划修建充电桩提供有力的理论支撑。     

基于Wiener级数的交流充电桩电能计量方法研究

针对矩阵式交流充电桩充电时会产生具有冲击性和强时变性的随机扰动,导致其在电能计量周期内计量不准确的问题,提出了基于Wiener泛函级数建立的交流充电桩侧的电网电能计量数学模型。利用该模型可以优化输出的电压、电流同步采样值。同时采用小波算法对电压、电流信号分解与重构,以求得功率潮流分析所需的基波分量与畸变分量,并结合IEEE-Std1459-2010定义,对电压、电流突变的功率潮流进行分析实验。通过Matlab仿真验证了该模型的正确性。实验结果表明,所用的方法在交流充电桩电能计量时误差达到了0.001数量级,提高了交流充电桩的计量精度,有效地解决了在随机扰动情况下交流充电桩电能计量不准的问题。     

基于HMM的无线充电系统PFC装置故障检测

PFC装置作为电动汽车无线充电系统中整流模块与高频逆变模块之间的重要桥梁,一旦发生故障,不仅会对电网产生严重的影响,还会对后端高频逆变模块造成不可逆的破坏,因此需要对其进行快速和准确的故障检测。传统故障检测方法检测时间长,检测精度低。为此,本文提出一种基于隐马尔可夫模型（Hidden Markov Model,HMM）的电动汽车无线充电系统PFC装置故障检测方法。首先初始化模型,然后利用鲍姆韦尔奇（Baum-Welch）算法进行故障模型训练,最后利用维特比（Viterbi）算法进行故障检测。仿真实验结果表明,采用HMM进行PFC装置故障检测的正确率较神经网络和支持向量机（Support Vector Machine,SVM）最大提高了约40%,是一种快速且准确的方法,因此本文采用HMM能够有效识别出电动汽车无线充电系统中PFC装置故障的类型。