基于FPA算法的金属氧化物避雷器在线监测

为了有效解决金属氧化物避雷器(MOA)在线监测难、监测误差较大等问题,通过引入群智能算法中的花朵授粉算法(Flower Pollination Algorithm, FPA),利用花朵授粉算法具有良好的寻优效果来达到需要监测的效果,降低人工监测的失误率,提高监测效率。根据系统运行时的实际电压和泄露电流进行在线的实时监测,并根据这两个参数对MOA等效模型中的参数进行求解,得到能够正常反映系统工况的监测数值。同时,利用MATLAB仿真软件,对电网中的谐波电压和频率进行实时仿真,观测此算法的引入是否能提高监测的准确性,通过计算得到,具有寻优能力的FPA算法,能够将标准差趋近于真实的泄露电流,并且能够有效降低相关系数的最大误差,可得;该算法对此模型中的谐波电压和频率影响较小,同时,具有降低监测误差的能力。     

金属氧化物避雷器在线监测的谐波校正及研究

泄漏电流阻性分量是金属氧化物避雷器(MOA)在线监测的重要指标,传统的容性电流补偿算法并未考虑谐波电压的作用,对监测结果产生很大的误差。为解决该问题,利用电压过零时避雷器阻性电流与容性电流的关系求解避雷器晶介电容C,并推导了谐波电压下的容性电流补偿系数G,提出了一种金属氧化物避雷器在线监测的谐波电压校正方法,有效降低谐波电压对阻性电流提取的影响,提高避雷器阻性电流的提取精度。MATLAB仿真结果表明,通过MOA在线监测谐波校正方法,避雷器晶介电容C、基波阻性电流分量i_(R1)、3次谐波阻性电流分量i_(R3)误差均≤10%,有效地减小谐波电压给监测结果带来的影响,降低了阻性电流提取的误差,提高了避雷器在线监测结果的准确性。     

金属氧化物避雷器在线监测测量结果分析

本文论述了对金属氧化物避雷器(MOA)开展在线监测的必要性和监测的物理量的物理意义以及监测系统的功能。文中给出了在线监测的结果并作了分析。这些结果对今后MOA的设计、事故情况分析和安全运行都有参考价值。文中对污秽区MOA的现场测量、提高运行可靠性的措施也提出了建议。     

基于LabVIEW的金属氧化物避雷器在线监测系统

基于谐波分析法的基本原理,应用虚拟仪器技术,开发一套金属氧化物避雷器阻性电流在线监测系统。     

基于灰狼优化算法的金属氧化物避雷器老化识别

为有效评估恶劣环境下金属氧化物避雷器工作状态,解决MOA老化在线识别难题,提出基于灰狼优化算法的MOA老化识别方法。首先,分析MOA自身参数与泄漏电流关系;其次,利用灰狼优化算法求解体现MOA老化性能的α、k和自身电容C,实现MOA老化在线监测;然后,对不同谐波电压和电压波动下泄漏电流进行仿真;最后,进行试验验证,结果表明该方法不受电网中谐波电压幅值、相位及谐波含量影响,能准确实现MOA的老化识别。     

基于粒子群算法的金属氧化物避雷器老化监测研究

为解决金属氧化物避雷器(MOA)老化在线监测问题,提出一种基于粒子群算法(PSO)的MOA在线监测技术。通过PSO算法较好地拟合逼近效果,计算MOA等效模型中反应MOA老化情况的α、k、c值,进而实现在线监测MOA的老化状态。此外,利用MATLAB仿真分析了电网电压中谐波电压对该算法的影响。仿真分析表明:PSO算法可以较好地将模型中的计算泄漏电流拟合逼近实际测量的泄漏电流,求解出α、k、c值,实现对MOA老化监测。此外,文中算法对于电力电网系统运行电压中谐波电压含量及其初相位具有较好的抗干扰性,验证了文中算法的可靠性,提高了MOA在线监测的准确性。     

金属氧化物避雷器的在线监测方法分析

金属氧化物避雷器（MOA）是一种用来限制过电压的主要保护电器。由于它在运行中极易受潮而发生爆炸,所以有必要对其进行在线监测。笔者结合实际工作情况,介绍MOA的在线监测方法,供同行参考。     

金属氧化物避雷器在线监测器指示异常的分析

针对金属氧化物避雷器在线监测器指示异常问题,阐述在线监测器的内部结构和测量原理,从在线监测器两种现场安装方式,分别分析在线监测器指示异常偏大或满偏、异常偏小或为零的原因。     

金属氧化物避雷器在线监测的评价模型研究

通过理论和试验统计数据分析,指出了在线监测检出金属氧化物避雷器故障的有效性。基于形态学理论,构造了适用于在线监测数据处理的开-闭、闭-开和混合滤波器,并通过仿真计算验证了形态学滤波器的有效性。建立了金属氧化物避雷器本体温升、全电流、阻性电流、外观等状态量的评价函数,并通过引入状态量的权重因子获得了在线监测的评价模型,该模型可以对运行中的金属氧化物避雷器进行有效评价。     

金属氧化锌避雷器(MOA)的在线监测及故障诊断

MOA 阀片温度上升,严重时将导致MOA 损坏或爆炸, 引发大面积停电事故。因此, 监测其运行状态非常重要。MOA 的在线监测方法中全电流法、三次谐波法、谐波补偿法和基波法各有弊益, 同时需重视2 个干扰源: 电压波动的影响和间谐波的影响。在诊断中, MOA 泄漏电流的阻性分量是其运行状况的良好指标, 利用模拟信号法时, 交流电网中即使不需要任何电压信号也可以进行测量, 此方法值得推荐监测现有避雷器的劣化; 阀片温度能精确地显示避雷器的运行参数, 能为避雷器的电气老化、工作电压和暂态过电压下的功耗提供详细信息, 避免发生热崩溃, 及时释放避雷器能量。温度监测有望成为避雷器监测的标准方法。     

氧化锌避雷器在线监测系统的应用

氧化锌避雷器(MOA)在线监测技术需要在应用中不断改进和完善。介绍了传统MOA在线监测的方法和监测系统结构。以浙江省云会智能变电站内MOA在线监测系统为研究对象,阐述了改进后的基波参考法测量MOA全电流和阻性电流来实现动态监测MOA绝缘状况的在线监测方法,以及相应的监测系统结构,探讨了改进后的监测系统结构还存在的问题并提出了解决办法。     

基于改进遗传模拟退火算法的电网无功优化

电网无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,优化过程复杂繁琐.遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题.针对传统遗传算法的收敛速度慢,易陷入局部最优解等缺陷,提出一种基于遗传模拟退火思想求解电力系统无功优化的新算法,并引入灵敏度分析,对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进.使用本文算法对IEEE14节点进行优化计算,仿真结果证明了本文模型和算法的实用性、可靠性和优越性.     

基于遗传模拟退火算法的新安江模型参数优选

结合新安江模型参数的特点,在分析传统遗传算法和模拟退火算法各自优缺点的基础上,将模拟退火算法与传统遗传算法相结合的混合算法运用于新安江模型参数优选中,并应用于实际径流预报。实例表明,该方法能快速地完成参数寻优,并找出较为满意的参数最优解。     

氧化锌避雷器在线监测方法的研究

基波电压产生的基波阻性电流ir和三次阻性电流i3r可以反应MOA的运行状况。改进的容性电流补偿法可有效去除全电流中的容性电流,但全电流中仍存在谐波电压产生的阻性电流,影响了ir和i3r的提取精度,特别是i3r的误差较大。为解决此问题,在改进补偿法的基础上,提出了改进容性电流补偿法的修正方法,借助于一等效的线性电阻补偿了部分谐波电压产生的阻性电流,从而减小了谐波电压引起的误差,提高了i3r的提取精度。仿真分析表明,修正后i3r的误差减小了一半,验证了此修正方法的有效性,也提高了根据ir和i3r判断MOA故障方法的准确性。     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题,提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;然后采用牛顿下山法加快模拟退火部分的求解过程,并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试,结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

基于模拟退火遗传算法的分散式风电选址定容

分散式电源的优化配置是智能电网发展的重要课题之一。对分散式电源进行合理的选址和定容对于配电网规划非常重要。以分散式风力发电为平台,考虑分散式风力发电机的接入对配电网网损及电压质量的影响,应用计及风力发电机的配电网潮流计算方法获得配电网的相关电气参数,并在此基础上以提高电压质量和网损最小为目标,将模拟退火遗传算法应用到寻优算法中。最后举一算例进行验证。