基于动态时间弯曲距离的电压暂降源辨识方法

为了实现对各类型电压暂降源的准确辨识,从波形相似性检测的角度提出了一种基于动态时间弯曲距离的电压暂降源辨识方法。通过仿真模型分析了基本电压暂降和经不同类型变压器传播后各类暂降的波性特征,构建了电压暂降类型与暂降原因及变压器类型的映射关系。利用9种电压暂降波形数据构建匹配库,采用动态时间弯曲距离法将实测的电压暂降波形数据与匹配库波形数据进行匹配分析,实现电压暂降源的辨识。仿真分析的结果表明,该方法能够对电网中出现的各种类型电压暂降进行辨识,具有较高的准确性和有效性,满足工程应用的需求。     

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。     

基于深度置信网络的电压暂降特征提取及源辨识方法

提出一种基于深度置信网络(DBN)的电压暂降特征提取与暂降源辨识方法,利用DBN的特征提取能力对实测波形数据进行特征自提取,解决了人工提取特征过度依赖专家经验,受未知特征影响较大不具备一般性的问题。采用多隐层结构网络学习特征最终实现暂降源辨识。该模型集特征提取器与分类器于一体,优化了模型结构框架,提高了暂降源辨识效率。对模型最优参数进行选择,建立适用于电压暂降实测数据类型的DBN模型,对电网实测暂降数据进行特征提取与暂降源辨识,通过对比验证了DBN方法在特征提取与暂降源识别上的优越性,适用于实际工程。     

基于梯度提升树的电压暂降源概率辨识

提出一种基于梯度提升树的电压暂降源概率辨识方法,通过多个决策树弱学习器的依次学习不断拟合残差,依据算法输出的概率结果对暂降源进行辨识.依据仿真获得的各类暂降源波形对该方法的有效性和准确性进行验证,并与传统的支持向量机算法进行了对比.在相同样本数量下该方法相较支持向量机具有更高辨识准确性,所给出的各类暂降源辨识概率信息更...     

基于动态时间规整的负荷主要生产时段特征提取方法

针对经济活跃程度和复工复产重要评估依据中负荷主要生产时段提取偏差大的问题,文章提出了基于动态时间规整(DTW)的负荷主要生产时段特征提取方法,通过构建参考负荷曲线,将测试负荷曲线与参考负荷曲线进行时间维度的伸缩变换,达到测试与参考负荷曲线间的最佳映射,进而实现了测试负荷主要生产时段的测算。文章以西南某区域典型商业负荷功率数据为案例进行负荷主要生产时间段提取,分析了异常测量数据对动态时间规整算法辨识主要生产时段的影响,实验结果证明了文章所提方法在辨识主要生产时段方面的有效性和准确性。     

基于动态时间规整的人体动作识别方法

为了准确识别人体动作,提出了一种基于动态时间规整的人体动作识别方法。首先,该方法通过KINECT摄像头采集人体动作动态骨架序列构建动作模板。然后,通过动态时间规整算法计算被测试样本与单个模板以及模板组合的序列相似度,从而有效利用动作序列所对应动态骨架的序列特性实现人体复杂动作的识别。比较实验表明所提出方法能够准实现多类动作识别,并对于动作速率等外因具有较强鲁棒性。     

基于BiLSTM的电压暂降原因辨识方法研究

电压暂降是配电网中常见的电能质量问题之一,准确辨识电压暂降原因对制定有效的电压暂降综合防治方案、实现电网—用户责任划分等具有重要意义.提出一种基于双向长短期记忆神经网络(Bidirectional Long Short Term Memory,BiLSTM)的电压暂降原因辨识方法.首先,提取电压暂降时域特征和S变换能量...     

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。     

基于数字孪生模型电流动态时间规整差异度的变压器早期故障辨识

现有的早期故障辨识方法对于程度较为轻微的故障灵敏度低,且辨识方法多为离线检测。结合数字孪生技术建立了三相三柱式变压器内部无故障的孪生模型,基于动态时间规整算法提出新的故障特征量,提出早期故障保护方案。首先,利用实体设备的结构参数与实时的电气量,建立不同运行工况下的状态空间模型。然后,通过实际数据对孪生模型进行修正,使虚拟世界与物理世界实现同步,综合使用离散迭代法和Z变换法求解模型。其次,利用动态时间规整算法量化预测量与实测量的差异,以此作为故障特征量,并设计新型的故障保护方案,提高故障辨识的灵敏度。最后以三相三柱式变压器为例,通过ANSYS仿真和动模实验验证了所建模型的正确性,通过多次实验结果证实所提故障判据的有效性。     

基于动态时间规整的智能电网边缘用电数据去重技术

智能电网的边缘终端设备会产生大量的时序数据,该数据对电网的智能化运营具有重要意义。为保护数据的隐私性、降低对传输带宽和时延的要求,数据往往需要本地化存储。由于电气设备的规律性,使得产生的时序数据具有很大的冗余性,这为边缘设备数据存储面临的挑战提供了解决方案。本文提出了一种基于动态时间规整的数据去重方法,该方法通过计算数据之间的相似性,从而消除数据冗余、达到数据去重的目的。最后,基于智能电网的真实采样数据对所提出的数据去重技术在边缘计算安全防护系统中的效果进行了分析验证。     

基于门限电压法的谐波源定位

为确定系统公共耦合点处的主要谐波源,提出一种基于门限电压进行判断的配电系统谐波扰动源定位新方法。门限电压值可基于系统侧等值谐波源和等值阻抗得出,该值对应于系统侧和用户侧发出相等谐波电流的临界状态。通过直接对比系统公共耦合点处所测的谐波电压与门限电压即可判定出主要谐波源的位置。进一步采用基于随机变量协方差特性的系统参数估计法,有效规避了背景谐波波动对估算结果的影响,从而保证了门限电压法的高鲁棒性。仿真分析和实际算例结果均验证了所述方法的有效性。     

基于正序分量相位差的电压暂降源定位方法

针对复杂网架结构和多扰动源类型场景下传统电压暂降源定位方法失效的问题,提出一种基于正序分量相位差的电压暂降源定位方法。首先,应用线性电路的叠加原理,分析扰动源作用下电网有功功率传输规律,并以电压与电流间相位差表征电压暂降源相对位置不同时功率转移方式的差异;然后,引入瞬时对称分量法,得到不受扰动源类型和网架结构限制的电压暂降源定位判据;最后,通过仿真与实例验证证明了所提方法的有效性与准确性。     

基于序增量功率电流方向追溯电压暂降源的方法

电压暂降已经成为最受关注的电能质量问题之一。提出一种基于序增量功率电流方向追溯电压暂降源的方法。首先以电流、电压互感器的同名端确定一个监测点的正参考方向。监测点的正序增量功率电流为正,三相对称电压暂降源位于监测点正参考方向的相同方向,即下游,反之则在上游;监测点的负序增量功率电流为正,三相不对称电压暂降源位于监测点正参考方向的相反方向,即上游,反之则在下游。仿真及实验室模拟测试都证明:所提出的追溯电压暂降源的方法能准确地追溯辐射式配电网中由各种电网故障引起的电压暂降源。该方法计算简单、运算量小,适合于单片机完成,可嵌入在继电保护器中,由保护器完成电压暂降源的追溯。     

基于电压暂降监测数据的敏感负荷非侵入式识别方法

针对电压暂降治理时难以准确获取用户敏感设备参数和生产过程结构的问题,提出一种基于电压暂降监测数据识别敏感负荷的方法.对发生电压暂降时的电压和电流进行离散小波变换,计算有功功率轨迹;通过奇异值分解分段法识别轨迹过渡段起始点,获得轨迹特征及其与负荷电压暂降响应的关系;结合典型敏感设备电压耐受曲线,对暂降及负荷响应事件进行分...     

基于改进扰动功率法的电压暂降源定位

面对引发电能质量问题的电压暂降,结合电力系统中常见的短路故障类型,提出一种改进的扰动功率法。取扰动电压和扰动电流的乘积作为扰动功率,根据线性电路的叠加原理,故障网络可以等效成正常状态和扰动分量的叠加,利用瞬时扰动功率或其半周波平均值的极性来定位暂降源,最后搭建模型,通过Matlab仿真,结果表明提出的改进的扰动功率法可以准确定位暂降源。     

基于欧氏动态时间弯曲距离与熵权法的负荷曲线聚类方法

为了改善目前负荷建模中聚类方法相似度衡量不准确及聚类结果质量较差的问题,综合运用k-means及熵权法原理,提出一种基于欧氏距离与动态时间弯曲距离的日负荷曲线聚类方法。首先,采用欧氏距离与动态时间弯曲距离分别衡量日负荷曲线的整体分布特性、局部动态特性与整体动态特性。然后,引入熵权法自适应配置3种特性的权重系数。最后,采用k-means聚类算法,以所提相似度衡量方法为依据,对用电日负荷曲线进行聚类。算例对某省区电网典型用户的日负荷曲线展开聚类分析,结果表明所提方法相似度衡量指标合理,且在聚类质量、鲁棒性等方面具有一定的优越性,可以真实反映该地区的用户用电特性,满足在线负荷建模的应用需求。     

基于动态时间规整的风电功率爬坡滚动修正模型

不断提高风电爬坡事件特征量的预测精度对电力系统安全稳定运行意义重大.因此,提出一种爬坡事件特征量与数值天气预报(NWP)气象数据相结合的风电爬坡滚动修正模型.首先,基于PRAA算法获得历史数据库与预测数据库中的所有爬坡事件特征量,建立爬坡特征量预测误差向量矩阵.然后,分析误差向量矩阵与NWP中各气象数据的线性和非线性相...