基于虚拟仪器的水电站振动监测系统的研究

基于虚拟仪器,提出了一种水电站振动监测方法.霞点介绍了振动监测点的布置;系统硬件设备中传感器、信号调理器和数据采集卡的选型:LabVIEW软件环境下的数据采集、处理和管理的模块化设计流程.利用虚拟仪器技术丌发的水电站振动监测系统突破了传统仪器在硬件、软件、灵活性和扩展性方面的限制,必将得到进一步的应用.     

法国工程师的教育模式对我国工科专业培养的启示

21世纪是我国工业高速发展的时期,工业化的经济在很大程度上依赖工程师。众所周知,工科专业是培养工程师的摇篮,在目前国际一体化和我国普及大众化教育的新形势下,如何加强对工科专业的培养是一个值得思考的问题,通过笔者留法期间对法国工程师教育模式的亲身体验和观察,结合我国目前工科专业培养方式的现状,提出了一些适合我国国情的工科专业培养模式的建议。     

基于奇异谱分析和卷积双向门控单元网络的超短期风电功率预测

精确的短期风电功率预测能有效提高电网供电可靠性.为降低风电数据中隐含噪声对预测结果的影响,采用奇异谱分析 (SingularSpectrum Analysis,SSA)将原始数据分解并重构为趋势、周期和高频噪声三个子序列,作为预测模型的输入.针对传统循环网络局限于时间相关性的前向提取,提出卷积双向门控循环单元网络 (Convolution NeuralNetworkＧBidirectionalGatedRecurrentUnit,CNNＧBiGRU)预测模型.前者提取重构子序列间特征的耦合关系,后者挖掘数据的双向时间相关性,以提高预测精度.为了研究该模型的预测性能,选取了其他模型进行对比,试验结果表明SSAＧCNNＧBiGRU 模型比其他模型更具有优越的预测性能。     

基于虚拟极值粒子群的电网无功优化研究

为解决电网无功优化中因控制变量种类多、维数高而导致优化结果精度低且容易陷入局部最优等问题,提出一种基于虚拟极值的粒子群算法对电网进行无功优化.该算法采用蒙特卡洛模拟技术对初始种群进行选择,保证取值的多样性;加入影响因子,根据控制变量的种类分区间制定不同的优化参数;引入虚拟全局极值,帮助粒子跳出局部最优.应用该算法对IEEE-14节点系统进行无功优化计算并与传统粒子群算法进行比较,结果表明虚拟极值粒子群算法在电网无功优化计算中具有较强的全局搜索能力和较高的收敛精度.     

电网状态监测系统无缝通信方式研究

近年来,智能电网涵盖了提高电网科技含量、提高电网供电可靠性、促进节能减排、促进新能源利用等各项内容,已经成为当今世界电力系统发展变革的主流方向。在此背景下,对设备状态在线监测与状态评估的发展也提出了更高的要求,作为智能电网框架中各个关键领域沟通桥梁的网络通信,其性能好坏直接影响到整个系统的可靠性、安全性。本文分析了变电设备状态监测系统存在的问题以及发展趋势,介绍了IEC 61850的发展现状和主要内容,分析比较了以太网等组网方式,分析并给出了几种实现全方位的无缝通信方案。     

计及风电不确定性的区域互联动态经济优化调度方法

结合含风电场的区域互联电力系统运行特点,考虑风电出力、负荷的不确定性因素以及电力系统安全运行约束,建立计及系统燃料费用、机组运行维护成本、风险成本的区域互联动态经济调度优化模型,并以一种融合拉丁超立方采样、场景缩减法和自学习差分算法的优化方法对所提模型进行求解。该方法根据风电和负荷预测误差采用拉丁超立方采样技术生成大量样本,并对所生成样本结合场景缩减法进行缩减,再由自学习差分算法进行全局寻优,得到各场景所对应的最优调度方案。结果表明:采用该方法既能模拟出风电、负荷的不确定性特点,又能避免建立过于复杂的随机性模型,降低了建模和求解的难度,同时所提自学习差分算法具有良好的收敛特性及鲁棒性。因此,所提优化方法对区域互联电力系统优化调度具有参考价值。     

基于小世界纵横交叉算法在输电线路 巡视路径中的应用

输电线路在电力系统正常运行过程中起到重要作用,其安全运行对整体网络起到保障作用。输电线路巡视是输电系统的一项基础工作,有效的巡视可以使输电线路设备安全性和可靠性达到最大化。基于小世界纵横交叉算法(SWCSO)对输电线路巡视路径进行规划,同时利用贝叶斯及其推理机制对输电线路杆塔风险等级进行分类,在考虑每个杆塔的杆塔距离、风险等级的条件下,制定最优巡视方案。仿真部分是拥有30个杆塔的输电网络,在通过贝叶斯及其推理机制获得杆塔风险运行概率的条件下,对巡视路径搜索用几种不同的算法进行对比。仿真结果证明了SW-CSO算法在收敛精度和算法稳定上都有一定的优势。     

基于纵横交叉算法的神经网络配电网故障选线研究

为了提高小电流接地系统单相接地故障选线的精度,提出一种基于纵横交叉算法优化RBF神经网络的故障选线新方法。利用Matlab/Simulink仿真单相接地得到一组零序电流信号,通过小波包变换和傅里叶变换从中提取出暂态特征值、有功分量以及五次谐波分量。再将提取得到的特征量作为神经网络的输入,用纵横交叉算法优化后的神经网络对故障特征值进行训练,实现故障选线。仿真中建立100组不同的故障样本,其中80组作为训练集,20组作为测试集。实验结果表明,与传统神经网络相比,CSO-RBF方法训练效果好,准确性高。     

参数自适应模糊PID控制器及其在水电机组调速器中的应用

由于水电机组调速系统控制对象———水轮机的运行工况在不断变化，描述水轮机动态特性的数学模型及引水系统的模型参数时刻发生变化，常规PID控制的应用受到限制。文中引入了模糊控制理论，使用参数自适应模糊PID控制器替代常规PID控制器，通过仿真结果显示，对水电机组过渡过程的控制具有明显的效果。     

基于MAQPSO 的电力系统无功优化研究

文中提出一种多智能体量子粒子群优化算法(Multi Agent Quantum Particle Swam Optimization,MAQPSO)求解电力系统无功优化问题,改善了传统量子粒子群算法后期收敛速度慢、易陷入局部最优解等缺点。该算法结合了量子粒子群算法和多智能体进化思想,每一个Agent相当于量子粒子群优化算法中的一个粒子,通过Agent的邻域竞争、自学习等操作,使得算法能够更迅速、更精确地收敛到全局最优解。通过对IEEE14、30、57和118节点系统的优化仿真,结果表明该算法有收敛精度高、寻优速度快等优点。