基于高斯随机性的弹道轨迹仿真

用中心极限定理生成高斯随机性相当简单和高效,通过在极坐标中组合均匀随机性和高斯随机性,模拟弹道轨迹的变化,产生的高斯分布,符合真实射击时弹着点自然散布规律。而且许多倾向于具有正态分布的物理系统和特性都可以使用高斯随机性来建模。     

基于LabVIEW的过载故障温升自动测试系统的设计

电子产品的过载故障温升的测量是通过其相应负载值的大小变化来模拟故障,用温度判定过载所处的状态,因此如何寻找出产品在承受最大负载时的温度状态成为判定产品绝缘系统温度等级的关键。基于LabVIEW的虚拟仪器过载故障温升自动测试系统能实时动态地根据温度状态来不断调整负载,很好地解决了负载调整的繁琐过程,避免了人为主观因素的干扰,具有实时性、高效性、准确性、方便易用、易升级性等特点。     

基于GBDT算法的变电器重过载精准预测研究

为了实现变电器稳定安全的运行,解决设备预警的时效性差、精准度低、故障后抢修成本高等问题,文章基于配电设备历史运行数据和机器学习等相关知识,采用梯度提升树（GBDT）算法,对设备重过载情况进行预测。研究结果表明,建立设备运行状态智能感知模型和设备重过载预测模型,能够精准预测设备重过载现象,优化设备检修维护策略,降低设备检修维护成本,可实现保障电网经济运行的目的。     

基于大数据技术的配电网运行可靠性分析

电力资源作为一种应用范围大、应用程度高的资源,给人们的日常工作学习生活提供了便捷。大数据技术是社会各行各业发展的重要基础,它对配电网的建设有相当大的促进作用,能够高质量地完成用电采集以及监控工作。文章对基于大数据技术的配电网运行可靠性进行了分析。     

考虑停运叠加的主动配电网可靠性评估

针对以往的主动配电网可靠性评估为了缩短时间,只考虑元件理想的单独停运而牺牲了全面性这一不足,提出利用改进的序贯蒙特卡洛法评估可靠性时充分考虑元件不同停运模式叠加的情况。首先,对配电网设备的故障状态分布进行分析;其次,利用改进的序贯蒙特卡洛法对停运叠加情况下系统的各项可靠性指标进行仿真分析;最终由实例分析的结果得出所提方法在评估配电网的可靠性时更加全面且快速,从而避免了传统可靠性评估模式导致结果不够真实准确的缺陷。     

基于GA-BP神经网络的高质量配电网供电可靠性分析

阐述一种基于GA-BP神经网络的高质量配电网供电可靠性预测方法,筛选出若干项目指标作为输入样本,将逐项指标的历史数据归一化到同一数量级,通过GA-BP神经网络训练,探讨利用训练好的网络模型,预测目标年份的供电可靠性。     

基于负序电压的配电网故障定位方法

结合我国配电网的实际情况,文章提出一种能够确定配电网故障点确切位置的实用方法,此方法通过比较各节点负序电压确定故障区段,并将故障区段始端负序电压与本线路始端和末端短路时的故障负序电压进行运算得出故障点距离.此方法适用于配电网的各种短路故障的定位,并可应用于故障的自动在线检测.     

基于蚁群算法的配电网故障定位系统研究

为准确快速定位故障,实现故障分支快速隔离避免故障进一步扩大,构建了基于蚁群寻优算法的配电网故障定位系统。通过采集配电网实时运行电气特征数据,经Agent监控单元的F检验显著性概率值P分析,结合蚁群寻优距离值测算,可实现对故障区域和元件的准确定位。以IEEE9三机九节点配电系统为例进行仿真测试,结果表明蚁群寻优算法具有良好正反馈和并行运算能力,定位系统能准确判断故障位置,为配电网故障快速排查及解除决策提供详细数据支撑。     

基于电压暂降测量的配电网故障自动定位

文中提出了一种结合电力系统分析程序、数据库检索方法和模式识别技术自动识别的11kV配电网故障定位方法。该方法采用三相不平衡潮流和故障分析程序,对配电网各节点的故障进行分析生成电压暂降数据库,设计了数据库搜索和模式识别算法,以便配电网在发生实际故障时识别故障位置。利用电力系统EMTDC模拟器对该方法进行了评估和测试。实验结果表明,提出的线性模式识别算法能够识别所研究的11kV配电网的大部分故障区段。     

基于WOA优化LSTM神经网络的配电网可靠性评估

为了提高配电网可靠性评估的精度,提出了一种基于鲸鱼优化算法(WOA)优化LSTM的配电网可靠性评估方法.首先对配电网可靠性数据进行预处理,然后通过利用WOA对LSTM模型的隐藏层神经元数量、学习率和迭代次数进行寻优得到最优参数,建立WOA-LSTM配电网可靠性评估模型,最终得到模型的输出.同时与传统的Monte Car...     

基于参数识别的直流配电网的故障测距

直流配电网的发展尚处于起步阶段,其中的研究重点之一就是故障测距技术,故障测距技术对于故障线路的维修具有重大意义,而交流配电网的测距技术无法直接移植到直流配电网之中,因此需要新的方法。主要对直流配电系统的故障进行了故障特征的详细分析,依据故障特征应用解析法对单极接地故障提出一种基于参数识别的故障测距方法,本方法是只需要测量一端换流站出口处的电压和电流数据就可以完成测距的单端测距方法。其主要应用电容放电的暂态阶段,推导出含有故障距离和过渡电阻这两个未知参数的参数方程,对所推导出的参数方程通过最小二乘法进行拟和求解。最后通过MATLAB进行双端柔性直流配电网仿真模型的搭建和故障测距程序的编程,完成对此基于参数识别的故障测距方法的验证。     

基于矩阵算法和优化算法的配电网故障定位

区段定位是配电网故障处理的重要手段.根据现有矩阵算法存在的问题,在保证优化算法高效定位的基础上,将两种算法有效结合,提出一种新型配电网故障定位方法.首先针对配电网故障告警出现的原因,在精确描述配电网矩阵的基础上,构建故障区段定位矩阵,为后期改进和优化相关矩阵及快速定位故障区段提供重要的依据和参考.其次根据告警信息,利用...     

基于概率神经网络的配电网故障区段定位建模

配电网故障区段定位方法容易受到冗余数据的影响,导致定位精准度下降,为解决这一问题,提出了基于概率神经网络的配电网故障区段定位建模方法。分析概率神经网络组成结构,设计配电网故障区段定位训练过程,以此优化网络模型,剔除容易受到噪声干扰的冗余数据。通过对故障暂态零序电流序列的分析,以馈线为例采用概率神经网络方法求解配电网故障区间位置的非线性整数规划模型,并结合连续空间上的互补非线性约束条件,构造连续域内配电网故障区段位置互补约束规划模型,完成故障区段定位。由实验结果可知,该模型在故障信号段内,波动范围从0.8下降到0.2,与实际故障信号波动范围一致,定位精准度较高。     

基于免疫Agent的配电网电缆线路故障自愈系统

传统配电网电缆线路无法有效管理负荷,且故障自愈时间较长。为了解决这个问题,设计了基于免疫Agent的配电网电缆线路故障自愈系统。采用免疫Agent结构采集电缆线路异常数据,并将数据发送给各个电缆线路内的成员代理完成信息交互。采用双中央处理的智能控制终端,实现就地控制。采用联邦式通信服务器,协调Agent通信行为。构建故障自愈模型,设定拓扑约束条件,确定评估价指标,设计自愈执行步骤。根据实验结果可知,应用该方法后,98%以上的配电网电缆故障得以自愈,且耗时更短,应用效果非常理想。     

基于压缩感知的配电网电压暂降故障节点检测

以往使用的阻抗法、行波法受到不完全电压暂降故障信号的影响,导致相角变化幅度检测结果不精准,从而影响对故障节点的检测效果.对此,文中提出了基于压缩感知的配电网电压暂降故障节点检测方法.根据电压暂降信号的幅值、时长和相位跳变情况,对电压暂降信号进行稀疏性分析,实现对信号的压缩采样;建立测量矩阵,减小检测信号的尺寸,完成信号...     

基于C++的配电网故障暂态计算程序开发

针对现有电力系统仿真计算软件如PSCAD等不能满足用户自主开发的需求,文章通过分析电磁暂态计算理论的离散化方法,建立了配电网电源、断路器、变压器、输电线路、接地开关等主要元件的离散数学模型,开发了配电网故障暂态计算程序。通过典型配电网络故障的仿真验证,结果表明所开发的暂态计算程序具有较高的精度,能很好地满足配电网故障多样化测试数据的需求。     

基于灰色线性回归－加权模糊马尔可夫链模型的电力能源需求预测

电力能源系统是一个具有多利益主体的复杂系统,其需求总量变化趋势的预测是新能源规划决策的重要基础,对新常态下我国经济的可持续发展具有重要的指导意义。结合电力能源需求总量历史样本数据特征,提出一种基于灰色线性回归－加权模糊马尔可夫链模型的电力能源需求预测新方法。首先,利用线性回归理论对电力能源需求灰色预测数据进行平滑处理,剖析电力能源需求时间序列中的线性变化特性,进而基于灰色线性回归方程对电力能源需求的未来变化趋势进行预 测,引入加权模糊理论对马尔科夫链理论进行改进,构建灰色线性回归预测残差的状态转移加权模糊概率矩阵,实现对灰色预测结果残差的修正,解决电力能源需求预测中的局部波动变化问题。最后,以我国H电网区域的电力能源需求预测为实际算例,验证所提方法的可行性和有效性。     

基于LSTM网络的牵引变流器IGBT故障预测方法研究

绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor, IGBT)作为牵引变流器失效率较高且最易损器件,对其进行状 态监测和故障预测,可以有效减少日常维护成本,提高列车安全性和可靠性。首先,对IGBT失效原因和性能退化参数进行研 究?选择集电极－发射极关断峰值电压作为性能退化参数?研究了一种基于三层长短记忆(Lomg Short Term Memory,LSTM)网络的IGBT故障预测方法,并给出IGBT维护决策理论依据,最终在NASA pCoE研究中心提供的IGBT加速老化数据集上开展验证实验。实验结果表明多层LSTM网络相比于传统浅层模型具有更高的预测精度。