基于深度置信网络和高斯混合模型的电压暂降频次评估

持续时间是电压暂降的重要特征量,在进行电压暂降频次评估时需要对其进行有效预测。传统方法在对电压暂降持续时间进行估计时通常以获取保护动作信息作为先验条件,然而实际评估过程中保护信息可能未知,其应用范围受限。提出了一种基于深度置信网络和高斯混合模型的电压暂降频次评估算法。在保护动作信息未知的条件下,基于电压暂降监测数据和线路故障运维检修记录,通过高斯混合模型拟合线路故障概率分布,利用深度置信网络推测电网不同位置发生短路故障时电压暂降持续时间。结合故障点法,估计了目标节点发生相应幅值和持续时间电压暂降的频次。IEEE-30节点系统的仿真结果验证了所提方法的有效性和实用性。     

基于数字镜像技术的电压暂降源定位方法

提出了一种基于数字镜像技术的配电网电压暂降源定位方法。首先根据配电网中大量的监测点信息以及网架结构参数构建配电网数字镜像模型,然后采用人工神经网络对数字镜像模型的历史数据进行学习训练,得到反映节点电压与电压暂降发生位置之间映射关系的神经网络模型。通过该模型可以根据电压暂降后各节点电压数据得到反映各节点故障特征的信息,进而实现对电压暂降源的定位。以河南某县30节点的配电网为例对所提方法的有效性进行验证,结果表明该方法能够实现对电压暂降源的准确定位。     

基于Mamdani型模糊推理的电压暂降源识别

提出了基于Mamdani型模糊推理的电压暂降源识别方法。分析了三种主要的电压暂降源(短路故障、变压器投切和感应电动机启动)引起的不同电压暂降现象,从三相电压是否平衡、暂降结束时是否产生突变以及暂降中伴随产生的谐波大小三个方面总结了不同暂降源的特征,并将其作为判据输入模糊推理系统,利用Mamdani型模糊推理技术对电压暂降干扰源进行了区分。Mamdani型模糊推理通过事先掌握的一组推理规则实现从输入到输出的推理计算,从而建立准确的辨识系统。通过仿真验证,该方法能够较好地对电压暂降源进行准确辨识。     

基于聚类算法和改进证据理论的广域后备保护新算法

广域后备保护可综合利用全网信息,在传统保护出现错误时,快速准确地找到故障位置。提出了一种基于聚类算法和改进证据理论的广域后备保护新算法:首先,基于电网中各子站之间的电气距离特征,利用k均值聚类算法完成对大电网的分区工作,由各点故障电压序分量的特征选取可疑故障线路;然后,将电气量和保护动作状态量共同作为证据源,同时对不合理证据进行优化改进;最终利用改进后的DS证据理论识别故障线路。仿真结果表明,该方法可有效完成对电网的分区工作,在保护动作信息部分或者全部出错时均能有效识别故障线路。     

变压器电压暂降的传递特性分析

变压器对电压暂降在电网中的传播具有重要影响。通过利用ATP/EMTP软件对配电网建模,对在不同时刻、不同故障类型、不同变压器接法以及不同负荷容量的情况下,详细分析由短路故障引起的电压暂降经过变压器后的传递特性。研究结果表明:故障时刻对变压器电压暂降传变幅值的影响不大,但有可能导致电压暂降的波形畸变与相位跳变;故障类型、故障点负荷容量以及变压器接法的不同对电压暂降经变压器传递后的幅值有不同程度的影响。     

基于小波神经网络的自适应单相重合闸

自适应重合闸的首要问题是正确判别瞬时性故障和永久性故障,针对故障时丰富的暂态信息,提出了一种基于小波神经网络式单相自动重合闸的方案,通过小波变换算法提取故障暂态信号特征量后,再利用ANN的非线性拟合和自学习能力进行故障判别,确定正确的重合闸策略.通过EMTP及MATLAB进行了大量的仿真试验,验证了该方案的可行性,并解决了自适应单相重合闸的电压判据在判别瞬时性故障与永久性故障时存在的缺陷.     

基于BP神经网络的逆变器开路故障诊断方法

为了实现对逆变器电路故障位置快速精确定位,减少停工检修时间,提高运行效率,提出一种基于BP神经网络的变频器逆变电路开关器件开路故障诊断方法。使用MATLAB对逆变电路建模和仿真,从输出电压波形直接采样提取故障信号特征。根据故障特征和诊断目标,建立三层神经网络故障模型,确定神经元数目和传输函数。将故障特征信号作为BP神经网络的输入,通过Levenberg Marquardt算法实现对神经网络的训练,用训练后的神经网络模型实现对变频器逆变电路的故障诊断。结果表明:直接波形采样实现简单;可实现1只或2只IGBT同时开路故障准确定位;所提出的故障诊断模型诊断准确率高。     

基于黄金分割搜索的电压暂降域快速识别方法

针对大型复杂电网中敏感负荷的电压暂降域难以准确识别的问题，提出一种基于黄金分割搜索的电压暂降域快速识别方法。首先，求得网络中发生各类短路故障时敏感负荷节点的电压暂降幅值解析式，并引入节点判定向量和线路关联向量，以及相应的判定准则，实现对所有线路临界点的快速分类计算；接着详细阐述了传统插值法存在的问题，并提出一种由黄金分割搜索改进的插值法，以期为正割迭代提供更优的初值点，提高临界点计算的准确度；因考虑到拟合的二次曲线难免存在偏差，故使用故障点法作为补充算法，用以计算有求解困难的线路；最后，以IEEE30节点标准测试系统为例，验证了该方法能在保证计算精度的前提下，简化电压暂降域的求解过程，提高算法的收敛速度，并广泛适用于大型复杂电网。     

基于压缩感知的电网传输线故障定位方法

文中提出了一种基于压缩感知稀疏重构技术的广域故障定位方法,用于准确定位传输网络中的单故障和双故障位置.与早期传统的故障定位方法不同,该方法只需要通过相量测量单元(PMU)在数量有限的节点中测量即可实现故障定位.测量得到的电压相量和电网的阻抗矩阵产生一个欠定方程组,可以通过压缩感知稀疏重构的方法求解.重构得到了一个稀疏故障电流矢量,通过其中的非零元素判断可能的故障区域.对于没有故障的区域,可以由PMU测量到的电流相量计算相邻节点的电压,然后用新计算的电压和PMU测量值确定故障线路.利用替代定理和最小二乘法计算发生故障前后的节点电压变化量和故障线路两端的电流变化量.文中针对几种典型的故障类型,基于压缩感知和改进的传输线方程精确估计故障位置,消除了复杂的数学迭代过程,进一步提高了故障定位精度.应用PSCAD仿真软件在IEEE39节点系统上进行算例仿真,对故障定位算法进行了测试研究,验证该算法可以实现常见故障的精确定位.     

基于KNN算法的配电网单相接地故障选线研究

小电流接地系统单相接地故障选线是配电网领域的一个难题,针对传统的采用单一判据的故障选线方案适用性差、选线精度低的问题,提出了一种基于K近邻(K-nearest-neighbor,KNN)算法的多源信息融合的单相接地故障选线方法,通过对故障数据处理选取故障特征量,结合KNN算法进行故障线路选线. 算例仿真研究表明,该选线方法与逻辑回归算法、BP神经网络算法相比,在获得较高的准确率的同时可缩短选线时间,具有较好的应用前景.     

基于BP神经网络的配电网故障辨识方法

随着配电网自动化终端设备的广泛应用,基于设备过电流信息的故障定位方法因原理简单、实现便捷而成为该领域的研究热点.该方法主要分为两类:统一矩阵算法和群体智能算法.统一矩阵算法的容错能力差,而群体智能算法在构造优化目标时存在逻辑建模的瓶颈问题.为有效克服上述缺点,提出了基于BP神经网络模式的配电网故障定位方法,利用FTU的特征量和BP神经网络的自学习性及良好的泛化能力实现配电网的故障定位,不但原理简单、实现方便,而且具有多重故障定位能力,仿真结果证明了该方法的有效性.     

基于EMTDC的电压暂降概率评估的仿真分析

随着电压暂降在电能质量问题投诉比例中的不断增加,电压暂降的概率评估逐渐成为了电能质量研究中的一项重要内容.基于蒙特卡罗方法,建立了电力系统电压暂降故障信息的数学概率模型,在PSCAD/EMTDC仿真平台上,搭建了相关仿真模型,运用随机数模块和Channel Decoder组件对故障信息进行抽样和传送,并进行仿真计算,然后将计算结果进行统计,得到各负荷节点的电压暂降特征量和评估指标的概率分布,指出系统的薄弱环节,为电网故障造成的电压暂降的检测和补偿提供了依据.在IEEE14节点标准系统中验证了该方法的有效性.     

微网电压暂降串并联协调补偿策略

微网一般处于配电网的末端容易受到由断路故障引起的电压暂降问题的危害。根据引起电压暂降的断路故障发生的位置,可以将电压暂降大致分为两类,程度较严重的外部电压暂降和较轻微的内部电压暂降;外部电压暂降是由发生在配电网中的断路故障引起的,内部电压暂降则是由发生在微网内部的断路故障引起的。因此对电压暂降的补偿应该根据其分类选择相应的补偿策略和补偿装置。基于对微网中电压暂降特性的分析提出了一种协调补偿控制策略。对于程度较严重的外部电压暂降,可以利用微网中的电动汽车充电站作为并联补偿装置协助容量不大的串联补偿装置动态电压补偿器补偿电压暂降。对于程度较轻的内部电压暂降,补偿装置只需要相对较小的容量,可以仅使用动态电压补偿器抑制电压暂降。进一步分析了补偿过程中的功率控制策略。微网是高电阻性的低压网络,网络中电压幅值的改善主要依赖于补偿装置的有功功率输出。基于这个特点在并联补偿装置的功率控制中采用P-U下垂特性。仿真试验结果证明了提出补偿策略的正确性与有效性。     

考虑频率电压空间分布特性的电网实时减载及负荷恢复策略

由于网络架构、机组参数和负荷特性等多种因素的影响,故障后电网各节点的频率电压表现出一定的空间分布特性,因此在不同节点实施稳控措施和负荷恢复策略对系统稳定性影响存在差异.同时,应考虑频率、电压、有功及无功等多种强耦合性电气量的交互作用对负荷减载或恢复过程的影响,以提高负荷调节效果.在此背景下,提出一种新的基于负荷控制灵敏度指标的低频低压减载及负荷恢复策略,该方法综合考虑频率电压的空间分布特性以及各种耦合电气量的交互特性.基于实际省级电网的时域仿真表明:在负荷减载和恢复阶段,根据负荷控制灵敏度指标的负荷调节策略均有利于电网稳定性提升.     

一种基于插值故障点法的电压凹陷域分析算法

电力系统中发生短路故障时,使相关敏感性负荷不能正常工作的故障点所在区域,即为电压凹陷域。电压凹陷域不仅可以作为电网设计和工厂内配电系统设计的依据之一,而且可以作为在故障条件下敏感设备是否发生暂降事件的判断条件和用户选厂择址的依据,电压凹陷域的分析成为电力系统中不可缺少的一部分。提出了一种基于插值故障点法的电压凹陷域分析算法,该算法首先通过安全生产管理信息系统和设备管理系统获取电网静态数据,然后通过SCADA系统获取动态数据,综合两者数据形成满足电压凹陷域计算所需要的电网实时拓扑数据文件,最后利用基于插值的故障点法进行电压凹陷域的解析,并在电力系统拓扑上图示化电压凹陷域的分析结果。     

考虑频率电压空间分布特性的电网实时减载及负荷恢复策略

由于网络架构、机组参数和负荷特性等多种因素的影响,故障后电网各节点的频率电压表现出一定的空间分布特性,因此在不同节点实施稳控措施和负荷恢复策略对系统稳定性影响存在差异.同时,应考虑频率、电压、有功及无功等多种强耦合性电气量的交互作用对负荷减载或恢复过程的影响,以提高负荷调节效果.在此背景下,提出一种新的基于负荷控制灵敏度指标的低频低压减载及负荷恢复策略,该方法综合考虑频率电压的空间分布特性以及各种耦合电气量的交互特性.基于实际省级电网的时域仿真表明:在负荷减载和恢复阶段,根据负荷控制灵敏度指标的负荷调节策略均有利于电网稳定性提升.     

基于Web方式的神经网络智能预测系统设计与应用

针对传统BP神经网络的一些缺陷,设计一种综合改进的BP神经网络算法。在此基础上,采用．NET架构以及Web Services等技术,用主成分分析算法和置信度区间算法对BP网络结构进行全后处理,以经济预测为例,设计开发了一个基于B／S结构的智能经济预测系统。该系统具有较好的易用性和一定的通用性,提高了预测结果的准确度和神经网络的泛化能力。     

基于自编码神经网络的电网故障预测算法

针对电力设备因素、人为因素与气象因素导致的电网故障问题，提出了一种基于自编码神经网络的电网故障预测算法.利用电网运维数据与气象数据来预训练自编码网络，以提取其特征及不同数据间的关联关系.基于多级别特征融合和预测网络来构建各影响因素与电网故障间的映射，根据当前电网环境得到电网故障类型，并使用稀疏正则项来增强网络的鲁棒性.仿真与算例分析结果表明，所提出的算法能够提取出丰富的气象特征，并准确预判电网在给定条件下是否会发生故障及发生故障的概率.     

基于宽频信息挖掘的同塔双回输电线路单端故障测距研究

基于同塔双回输电线路故障时激发的宽频暂态信息,充分利用同塔双回输电线路中非故障线路作为宽频暂态信息的传播通道,提出了利用两条线路上故障宽频信息比对的方法进行单端测距的措施.以零序电流为主要测量信息,对两回线路的零序电流进行全频域分解,挖掘宽频信息特征,并将整体特征作为输入,运用BP神经网络进行训练,区分出故障线路与非故障线路.对故障线路与非故障线路同端检测以提取全频暂态电气信息,利用S变换作为暂态信号分析工具,寻找故障线路与非故障线路的三相瞬时功率突变的时间点,综合运用算法融合的优势形成智能判据,实现故障线路测距,并通过仿真验证了该方法的有效性.     

T型线路行波故障测距的新方法

综合利用T型线路的三端电气量进行故障定位,提出了故障分支判别的判据以及确定故障点精确位置的方法。利用小波变换和模极大值理论对提取的行波进行分析,得到行波波头到达的准确时间。利用行波到达各测量端的时间差判断故障分支,在此基础上利用包含故障分支的初步测距值求取最终测距结果。PSCAD仿真表明,该方法可准确判断T型线路的故障分支,测距误差较小,能够满足实际需要。