电子式电压互感器运行失效风险监测的信息熵方法

针对电子式电压互感器定期校验方法盲目性强、费时耗力大,且常出现维护欠缺或者过度运维的问题,本文提出了一种基于信息熵的电子式电压互感器运行失效风险监测方法。首先,围绕电子式电压互感器校验的工作重点,构建了电子式电压互感器的准确性评价指标体系;其次,应用信息熵原理,构建电子式电压互感器运行失效风险模型,实现对电子式电压互感器运行实效风险的定量分析,从而指导工作人员进行针对性的校验,有效提升定期校验的效率与质量。最后,通过江苏地区的典型案例,验证了所提模型的合理性,以期为电子式电压互感器的安全稳定运行提供支持。     

电子式电流互感器误差模型及误差状态预测方法

为及时发现电子式电流互感器误差状态的稳定性问题,保证电能贸易结算的公平性,有必要对电子式电流互感器的误差状态进行预测。建立了电子式电流互感器误差模型,将其误差表征为单输出变量和多输入变量的理论模型,确定了模型输入变量和输出变量。针对模型输入变量和输出变量之间无明确函数关系的问题,提出了基于聚类RBF神经网络的误差状态预测方法,针对变量单位和数量级不同的问题,采用Z-score标准化法对数据进行预处理,为了简化神经网络,采用K-Means聚类算法对输入变量进行聚类分析。算例分析结果表明比差预测误差的绝对值小于0.05%,角差预测误差的绝对值小于10’。该预测方法可提供电子式电流互感器误差状态的变化信息,防范电能贸易结算的风险。     

电子式互感器现场误差校验的应用研究

为了保证电子式互感器的安全可靠运行,需对其进行现场误差校验.本文介绍了电子式互感器的分类及工作原理,分析了电子式互感器现场误差校验方法,研究了电子式互感器现场校验中的波形畸变、测量位置选择及溯源等问题.这对于电子式互感器现场校验的规范开展有较高的实践意义.     

电子式互感器校验系统的研究

介绍的校验系统基于Labview平台,通过读取合并单元的数据,配合高精度标准表,结合同步卡和数字信号处理实现对互感器的检验,对于校验10～500kV电压等级的电子式电压互感器和额定电流为5～5000A的电子式电流互感器能够达到万分之五的精度.文中介绍了系统组成和主要的检测原理,并给出了实验测试和现场测试.测试结果表明,本测试系统能满足对电子式互感器比差和角差进行校验的要求.     

智能变电站电能计量装置现场校验技术研究

针对目前智能变电站电能计量装置的运行方式,就现有的技术情况介绍了电子式互感器、合并单元以及数字式电能表的现场校验方法.结合实际现场校验经验,对不同校验方法对电子式互感器误差测量的影响,以及电子式互感器误差不稳定和电子式电流互感器极性问题进行了分析,同时就数字式电能表实负荷检定存在的问题进行阐述,并对存在的问题提出了一系列解决方法.     

数字量输出型电子式互感器校验系统的研制

对电子式互感器进行准确测量和校验是数字化变电站安全和稳定运行的重要保证。针对目前电子式互感器校验过程中存在的问题,提出了一套符合电子式互感器数字输出要求的校验方法和设计方案;引入基于准同步算法与DFT相结合的误差测量方法并对其实现过程进行了讨论,有效地抑制了因电网频率波动而导致的非同步采样对校验结果的影响。最后对校验方法的实现过程进行了仿真,实验结果表明,基于上述校验方法的电子式互感器校验系统能够满足测试的精度要求。     

数字量输出型电子式互感器校验系统的研制

对电子式互感器进行准确测量和校验是数字化变电站安全和稳定运行的重要保证.针对目前电子式互感器校验过程中存在的问题,提出了一套符合电子式互感器数字输出要求的校验方法和设计方案;引入基于准同步算法与DFT相结合的误差测量方法并对其实现过程进行了讨论,有效地抑制了因电网频率波动而导致的非同步采样对校验结果的影响.最后对校验方法的实现过程进行了仿真,实验结果表明,基于上述校验方法的电子式互感器校验系统能够满足测试的精度要求.     

基于Rogowski线圈的电子式电流互感器复合误差计算方法

电子式电流互感器复合误差的计算与分析是提高获取电力系统运行信息精度的重要内容。为了准确测量电子式互感器的复合误差,介绍了电子式电流互感器的误差校验方法,分析了基于Rogowski线圈的电子式电流互感器基本工作原理,从而提出了多种基于Rogowski线圈的电子式电流互感器的复合误差计算方法。在此基础上对各种复合误差计算方...     

数字量输出电子式电压互感器的高精度在线校验方法

针对目前电子式互感器校验方式存在的需要线路停电、操作复杂等问题,文中提出了一种数字量输出电子式电压互感器的在线校验系统。利用设计的菱形升降结构实现标准互感器与被测母线的连接,构建了一种可对母线电压信号进行在线测量的标准电压在线测量单元,从而实现了运行中电压互感器的在线校验。文中详细分析了同步方式、软件算法等因素对系统准确度的影响,并提出了降低误差的措施。研制的校验系统通过检定并在现场应用,准确度优于0.05级。     

电阻分压型电子式电压互感器误差分析及对电能计量的影响研究

电子式电压互感器的准确度关系着电力系统的安全稳定运行和电能的准确计量。由于技术尚不成熟,电子式电压互感器运行中出现了较多的问题,其中准确度问题占主导地位。目前对于影响电子式互感器准确度的因素的分析研究较少,针对这种问题,文中建立了电阻分压型电子式电压互感器的误差模型,分析了互感器与模拟小信号之间的阻抗匹配问题及对误差大小的影响。在此基础上,文章提出了降低互感器误差的措施,对提高电子式电压互感器的准确度具有一定的意义。     

220kV电子式电压互感器带电校验系统研究

电子式电压互感器(EVT)的常规校验方法为离线校验,这需要复杂的停电操作并带来较大的经济损失。文中研究了220 k V EVT带电校验系统,包括标准通道、被校通道和基于PC机的校验系统。提出自适应全相位DFT电参量提取算法,精确计算电网频率,自适应调整DFT运算点数,将非同步采样近似为同步采样。设计了一套电容标准器全绝缘举升接入装置,通过无线遥控实现标准互感器带电接入,并进行安全性仿真分析。试验表明,该系统比差小于0.05%,角差小于2',且可保证标准互感器安全接入与退出,满足0.2级电子式互感器在线校验要求。     

基于LSTM的箱式变压器高压套管温度预测

针对箱式变压器环境封闭、散热性能差而导致变压器各部件温度较高,且变压器套管事故率高的现状,提出一种基于长短期记忆(Long Short-Term Memory, LSTM)神经网络的箱式变压器高压套管温度预测方法,对箱式变压器高压套管热流进行分析,建立基于LSTM的变压器高压套管温度预测模型,LSTM算法可以解决有效解决变压器高压套管温度预测所存在的非线性和时滞性的问题,通过红外传感技术对某小区箱式变压器高压套管相关数据进行在线监测,对现场数据进行预处理,通过算例分析验证了文中所提方法预测精度更高、误差更小、泛化能力更强。对比结果表明,所提方法优于普通循环神经网络(Recurrent Neural Network, RNN)和支持向量机(Support Vector Machine, SVM)预测方法,平均误差分别降低了27.4%和36.3%,预测精度更高,与变压器套管温度实测值更趋一致。     

小波包能量熵神经网络在电力系统故障诊断中的应用

提出了一种基于小波包能量熵神经网络的电力系统故障诊断方法。对采集到的故障后电压信号进行3层小波包分解,提取小波包能量熵,然后构造信号的小波包特征向量, 并以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。ATP和Matlab仿真结果表明该方法有效可行。     

基于BP神经网络的多参数关联变压器油击穿电压的预测研究

电力变压器的安全、稳定和经济运行是电力输送的重要保证。基于变压器油的日常监督数据,预测变压器油的击穿电压,将为变压器故障的早期诊断、预测防范和及时处理提供重要的科学依据。笔者鉴于BP神经网络具有任意的非线性映射、强大的自学习功能和良好的容错特性,采用BP神经网络的方法进行多参数关联变压器油击穿电压的预测研究。利用变压器油的日常监测数据,用BP算法和改进BP算法训练网络,分别建立了击穿电压与4个影响因素的关联模型。结果表明,基于改进BP算法模型的预测结果精度较高,预测值相对误差在5%以内,具有重要的实际应用价值。     

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。     

基于数字物理混合仿真的电子式电压互感器暂态特性及其测试技术研究

介绍了阻容分压电子式电压互感器的原理架构,分析了阻容分压电子式互感器经微分积分后的暂态传变特性。从继电保护应用的角度关注了电子式电压互感器的暂态传变特性对快速距离保护的影响。提出了一种基于数字物理混合仿真的电子式电压互感器暂态测试技术方案。采用数字仿真输出小电压信号再利用功率放大器将其放大,再搭建电子式电压互感器阻容分压的物理仿真平台,建立完整的测试系统。利用突变量检测确定初始时刻,同步采集模拟量原始电压信号与试品数字信号,进行暂态过程电子式电压互感器的暂态误差计算。通过开发的测试系统在实验室的应用,以验证测试技术方案的可行性。     

利用反向传播神经网络研究变压器油多关联参数

介绍用反向传播（back propagation,BP）神经网络对变压器油的重要参数——击穿电压建立预测模型,实现对变压器油性能监测的方法,阐述了网络层数、神经元个数、训练函数的设计过程,样本训练的实验结果证明该网络模型具有较好的预测能力;同时,基于BP神经网络的建模方法建立包括变压器油击穿电压、闪点、酸值、总烃、水分等参数之间关联的BP网络预测模型,将2种模型进行比较发现,网络预测模型的预测结果与实际结果的相对误差较小,从而证明该预测模型具有一定的实际意义。     

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。     

基于变分模态分解和CNN-GRU-ED的超短期互感器误差预测

准确的误差预测对及时发现互感器运行中的稳定性问题和保证电能贸易的公平性具有重要的意义。提出了一种基于变分模态分解(variational mode decomposition, VMD)和卷积神经网络-门控循环单元编解码模型(convolutional neural network-gated recurrent unit encoder to decoder moder, CNN-GRU-ED)的互感器误差超短期预测方法。首先,针对特征数目增多所带来的数据分析问题,利用传递熵(transfer entropy, TE)对原始特征进行降维,得到高相关性特征集。其次,将波动性较强的原始误差序列分解成为高、低频模态分量,同时引入粒子群优化算法(particle swarm optimization, PSO)确定VMD的关键参数。最后,对各分量分别建立相应的CNN-GRU-ED预测模型,将预测结果叠加得到最终预测值。以某变电站运行数据进行实验,结果表明所提出的方法在单步和多步预测问题上,相较于其他模型具有更好的预测效果。     

数字化计量相位差基准的研究与实现

在数字化计量领域,相位差校验是电子式互感器校验仪误差测量中的重要一环,目前各计量机构对电子式互感器校验仪的相位差校准所采取的措施或手段尚未达到完善、准确的程度,尚没有一种方法能够对数字化相位差进行准确、稳定的传递。提出了一种全新的电子式互感器校验仪校准方案,首次将时间量基准引入到数字相位误差的校准工作中,补充和完善现有数字化计量溯源体系。最后,通过大量实际测量数据,分析并验证了所提方法的有效性和准确性。