基于近似熵的电力系统负荷预测误差分析

为深入探究负荷时间序列预测误差的影响因素,提高负荷预测精度,提出近似熵算法,用于定量刻画负荷时间序列的规律性,全面认识负荷预测误差的成因。采用近似熵算法对负荷时间序列进行分析,确定其规律性的强弱。在此基础上,针对负荷时间序列的规律性与预测误差之间的关系进行研究。算例分析结果表明,近似熵算法可以有效刻画负荷时间序列的规律性,且负荷时间序列的规律性与其预测误差之间有着较强的相关性,证明了方法的正确性和有效性。     

基于近似熵算法在单相接地故障定位中的研究

采用MATLAB搭建单相接地仿真模型,并采用近似熵法判别故障区段。首先沿着线路模型设置多个检测点,然后分别求取各检测点的近似熵。利用故障点前后暂态零序电流波形的差异,进而求取的近似熵值的不同来判定故障区段。该方法具有不需要不同检测点的精确时间同步,所需数据量小等优点。     

电力光缆故障点快速定位方法

为快速、准确定位光缆故障,在介绍光时域反射仪(OTDR)测试原理基础上,详细分析了利用OTDR定位电力光缆故障点的通用及快速定位方法,并分析了测试中产生的误差.该方法极大地提高了故障定位的准确性,加快故障处理速度,从而减少了巡线工作量、故障处理时间和光缆中断时间.     

近似熵算法在电力系统故障信号分析中的应用

在分析近似熵算法的物理本质及其在非平稳信号序列分析中所具备的独特优势的基础上，提出将近似熵算法引入到电力系统故障信号的特征提取中，为电力系统故障信号分析找到一个能定量描述故障信号特征的有效特征参数。通过对理想电力信号的仿真分析数据以及近似熵与信息熵的比较，逐一验证了近似熵算法在电力信号分析中的优势。近似熵算法在小电流接地系统故障信号特征提取仿真中的应用表明，该算法能够在短数据、小幅值等不利条件下，很好地实现故障信号特征的定量提取，是表征不同故障信息的有效参数，故将其引入到电力系统故障信号的分析应用中是切实可行的，并在此基础上展望了该算法在电力系统故障诊断领域的应用前景。     

基于多物理场近似模型的高速永磁电机多目标优化设计

高速永磁电机（HSPMM）由于具有功率密度和效率高、体积小、质量轻及动态响应快等优点受到越来越多的关注。然而,HSPMM的设计是一个典型的非线性的多物理场耦合设计过程,难以建立准确的数学模型对其进行优化设计。该文提出一种基于多物理场近似模型（MPAM）的HSPMM多目标优化设计方法。该方法采用MPAM进行多物理场的并行计算,并在优化过程中直接调用MPAM,可以有效地解决有限元模型（FEM）计算耗时的问题,同时也可以避免有限元优化过程中FEM迭代计算收敛困难的问题。最后,研制了一台1.1MW,18 000r/min的高速永磁电机,并进行了相关的实验,验证了该文所提出的HSPMM优化设计方法的可行性。     

基于近似熵的中性点不接地系统故障区段定位*

提出一种基于暂态零序电流近似熵算法的故障区段定位方法.首先提取沿线各检测点暂态零序电流波形前1/4周期数据;然后通过计算其近似熵值及相邻检测点近似熵值比值,为判断故障区段设定阈值;最后通过MAT-LAB/Simulink建立10 kV中性点不接地配电网模型进行仿真分析,验证了该方法的有效性,且不受故障初相角、接地电阻的影响.     

多目标电力系统无功优化及其方法

在无功优化问题中,所追求的目标往往不只一个,各目标之间还可能相互矛盾,多目标规划方法正是解决此类问题的方法之一。为便于掌握多目标规划方法及其应用,分析比较了目标函数加权求和法、最小目标偏差法、最大满意度法、距离函数法等几种常用多目标规划模型及其特点,讨论了多目标规划解的性质,在此基础上提出混合优化方法实现多目标无功优化应用,并通过计算实例证明了算法的有效性和实用性。     

基于近似熵的小电流接地系统故障区段定位方法

提出了一种基于暂态零模功率近似熵的故障区段定位方法。该方法在计算出各检测点暂态零模功率近似熵值的基础上,通过求取近似熵比例因子数值与控制主站中事先设置的阈值进行比较,若该因子值大于阈值,则判定为健全区段;若小于阈值,则判定为故障区段。大量的ATP仿真实验表明,无论是中性点不接地系统还是经消弧线圈接地系统,对于任意初相角和过渡电阻值时,该方法均能有效判定出故障位置,并且在5 000 Ω高阻接地故障时,仍然有良好的表现。通过比例因子之比曲线衡量阈值设定时裕度的大小,最终确定该故障定位方法在各初相角条件下的最佳性能工作区间。     

基于改进多点估计与最大熵的概率谐波潮流算法

随着可再生能源发电的大规模接入,电力系统中的谐波呈现出更加明显的随机性、波动性等不确定性特征。为研究电力系统的不确定性谐波水平,提出了一种基于改进多点估计与最大熵分布的概率谐波潮流算法。首先,基于离散近似理论,确定独立标准正态分布随机变量的多重采样点和权重;然后,根据随机变量空间变换,获得功率、谐波电流等任意分布随机变量的权重与采样点,并据此计算谐波电压等输出随机变量的统计特征,进而基于最大熵分布求取输出变量的概率分布。相比传统点估计结合级数展开算法,所提算法通过改进的多点估计,提升了计算效率与准确度;通过引入最大熵分布,保证了概率密度函数拟合效果。利用改进的IEEE 33节点系统验证了不同分析场景下所提方法的性能以及相比传统算法的优势,并依据该方法分析了谐波潮流计算中输入随机变量相关性对系统谐波水平的影响。     

辽宁电网输电线路故障点定位方法分析

介绍了辽宁电网220 kV及以上线路目前采用的各种故障点定位方法,阐述了各方法的主要特点、适用范围和存在的不足,并在比较分析的基础上,提出了综合各种技术手段,准确分析计算线路故障点的综合分析方法。     

基于近似熵的次同步谐振检测方法

提出了一种可实时检测次同步谐振（sub-synchronous resonance,SSR）的方法。首先采样电流信号,计算其近似熵（approximate entropy,ApEn）;然后在连续时间区段上,观察近似熵的变化规律判断是否发生次同步谐振,还分析了近似熵的实时性、很好的抗干扰能力以及同时处理随机信号和确定性信...     

近似熵算法的自适应重合闸方法研究

自动重合闸是保障电力系统安全供电和稳定运行的一种有效措施,在高压电网中广泛应用。由于自动重合闸不能判别故障类型,若重合于永久性故障,则会对电力系统产生严重冲击。因此,能在重合闸前准确地识别故障性质,使系统实现自适应重合闸,对于保障电网安全运行具有重大意义。永久性故障与瞬时性故障时的相电压高频分量状态是不同的,而近似熵恰能很好地区分信号的畸变或复杂程度,所以笔者提出采用提取故障后故障相母线的电压暂态信号高频分量,通过比较高频分量近似熵值变化差异的方法来识别线路故障性质。     

计及UPFC的电力系统多阶段多目标无功优化算法

统一潮流控制器(UPFC)并联侧连续的无功调节能力为电力系统无功优化提供了新的控制手段。基于此,首先建立适用于新型UPFC拓扑的UPFC稳态模型;然后考虑无功设备动作次数的约束,明确多目标无功优化问题的目标函数和约束条件,建立计及UPFC的多目标无功优化模型;接着,提出一种多阶段方法对其进行求解,其中,第一阶段将原问题进行松弛并采取归一化的方法统一多个目标的量纲,第二阶段基于规格化平面约束法获取松弛问题的Pareto最优候选解集,并给出折衷解的选取方法,第三阶段基于三角罚函数法对折衷解中的整数变量进行归整,获取原问题的最优折衷整数解。最后,对南京西环网实际等值系统进行算例测试,验证了算法的有效性及UPFC在无功优化问题中的应用前景。     

考虑SVC影响的电力系统多目标交易计划

提出一种基于最优潮流、计及SVC影响,同时考虑经济效益和环境效益的电力系统多目标交易计划模型.首先对各单目标确定性模型求解,得到目标函数值,其次对目标值进行一定程度的伸缩,并定义目标隶属度函数,将确定性问题模糊化.接着采用最大满意度法将多目标问题转化为单目标问题,然后采用非线性规划方法求解,得到新的潮流结果.仿真结果验证了算法的有效性.     

电力系统无功优化多目标处理与算法改进

电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种多策略融合粒子群优化(Particle Swarm Optimization with Multi-Strategy Integration,MSI-PSO)算法,对速度更新公式引入选择操作,分阶段加速因子调整和惯性权重动态调整,以平衡粒子局部搜索与全局探索能力;同时,随机选取部分性能差的粒子,将其速度更新公式中的个体认知部分修改为社会认知部分,以提高算法搜索精度和收敛速度。建立以系统网络损耗最小和系统电压稳定裕度最大为目标的无功优化仿真模型,分别考虑加权法、隶属度函数法和Pareto法实施多目标处理。针对IEEE30节点测试系统进行仿真实验,结果表明,和其他几种改进PSO算法以及基于pareto最优解集PSO算法进行对比,所提MSI-PSO算法具有更好的性能,能够有效求解电力系统多目标无功优化问题。     

基于暂态零模电流近似熵的小电流接地故障定位新方法

提出一种通过计算暂态零模电流近似熵确定小电流接地故障区段的新方法.该方法以故障点两侧暂态零模电流波形差异较大为基础,分别求取沿线各检测点暂态零模电流的近似熵.健全区段两端暂态零模电流近似熵基本相同,其近似熵之比接近1;故障区段两端暂态零模电流近似熵差异大,其近似熵之比(数值小的与数值大的之比)最小,利用此特征可以确定故障区段.该方法数据传输量小,各检测点不需要精确时间同步.最后通过仿真和现场试验验证了该方法的正确性.     

近似熵在谐振接地系统故障选线中的应用

谐振接地系统发生单相接地故障时,故障线路与非故障线路的故障相暂态分量的频谱分布具有明显差别。近似熵作为一种衡量时间序列复杂度的方法,在非平稳信号分析方面具有独特的优势。据此探讨了近似熵(approximate entropy,Ap En)作为谐振接地系统故障选线判据的可能性与适用性。利用Matlab建立了故障仿真模型,考虑故障角、接地电阻、故障距离等故障条件,通过对含噪声环境、采样不同步以及不同消弧线圈补偿度等情况下的仿真,证明了近似熵作为一种选线判据的可行性。     

交联电力电缆故障点的定位

本文详细介绍了用于检测交联电力电缆击穿故障和局部放电定位的方法和使用的仪器 ,以及测试线路的改进     

基于改进社会认知算法的电力系统多目标无功优化

针对电力系统无功优化传统算法的局限性,结合当前智能算法的特点,提出采用模拟农夫捕鱼算法改进社会认知算法(ISCO),将其运用到电力系统无功优化中,并在构建无功优化的数学模型时,充分考虑如何降低网损和综合考虑减少电压偏差及提高系统运行的电压稳定裕度.经对标准IEEE14和IEEF30节点系统进行仿真计算,结果表明该算法具有很好的全局寻优能力和较快的收敛速度,能有效提高系统运行的经济性和安全性.     

基于EMD近似熵和SVM的电力线路故障类型识别

提出了一种基于经验模式分解(EMD)的近似熵和支持向量机(SVM)的电力故障类型识别的新方法.利用EMD良好的局域化特性和近似熵来量化故障特征.再与SVM结合进行故障类型识别.首先,对故障线路的三相电压信号进行EMD分解得到若干个能反映故障信息的本征模式分量(IMF);其次,选取三相电压的前4个IMF的近似熵值作为信号的特征向量.最后将构造的特征向量输入到SVM分类器进行故障类型识别.仿真表明,该方法能有效地提取故障特征,不同的故障类型,其三相近似熵变化明显不同,同一种故障类型,在不同故障位置、过渡电阻和初始相角情况下,其三相近似熵变化规律相似;与传统的BP网络相比,SVM网络具有训练样本少、训练时间短、识别率高的特点.