基于B2B-MMC的柔性互联变电站改进型孤岛控制模式

在基于背靠背模块化多电平换流器(back-to-back modular multilevel converter,B2B-MMC)的柔性互联变电站中,当主变压器故障退出运行后,换流器需要从功率传输模式切换到孤岛控制模式。该过程产生的冲击电压和冲击电流会严重威胁设备运行安全和系统供电可靠性。为此提出了一种改进型孤岛控制模式。在分析MMC桥臂瞬时功率与直流母线电压的运行关系的基础上,将有功功率-直流电压平方分配特性的固定下垂系数与利用虚拟惯量的自适应惯性下垂系数相结合。其中自适应惯性技术是将B2B-MMC系统中直流侧有功功率和交流系统频率进行耦合,通过快速调节下垂系数从而抑制切换过程中的电压冲击、降低峰值电流,提高系统的稳定性。在PSCAD/EMTDC暂态仿真软件中搭建了基于B2B-MMC的柔性互联变电站模型,分析了所提方法在换流器切换过程中的响应特性,其结果验证了所提方法的有效性和实用性。     

汽车零部件电磁兼容测试中高速CAN总线负载阻抗匹配方法的介绍

文章介绍当前汽车工业被广泛采用的高速CAN总线技术在电磁兼容测试中的负载阻抗配置的解决方案,并特别结合汽车企业标准DC11225,介绍了在电磁兼容试验中使用光电隔离器接入高速CAN总线时,对光电隔离器的内阻设置要求,为电磁兼容测试中测试设置提供参考。     

基于深度学习特征点法的单目视觉里程计

针对特征点法的视觉里程计VO中光度、视点变化对特征点提取稳定性降低的不利影响,提出一种基于深度学习特征点法的单目VO方法。采用自监督深度学习网络训练得到DSP特征点检测器。首先使用亮度非线性逐点调整方法对训练图像进行光度调整;然后使用非极大值抑制方法剔除冗余DSP特征点,改进最邻近方法得到双向最邻近方法,解决特征点匹配问题;最后建立最小化重投影误差方程求解优化位姿及空间点参数。在Hpatches、Visual Odometry数据集上进行验证,实验结果表明:DSP特征点检测器增强了特征匹配对光度、视点变化的鲁棒性;无后端优化的条件下,本方法定位均方根误差比ORB方法明显降低,且保证了系统实时性,为特征点法的VO提供新的解决思路。     

新时期计量设备量值溯源工作的开展

<正>0引言计量是国家质量基础设施的重要组成部分,计量工作是保障计量单位制的统一和实现量值的准确可靠,具备准确性、一致性、溯源性、法制性的特点。量值溯源与量值传递是实现量值统一的主要途径。随着中国制造向中国“智”造的转变,企事业单位的各类试验设备设施建设和试验能级不断提升,计量设备设施的数量逐年增加,量值溯源需求也越来越多。因此,在新时期高质量开展计量设备的量值溯源工作,是评价各类实验设备应用性能和保证试验数据质量的重要技术手段。     

基于三点估计法的直流配电中心概率潮流计算

分布式电源呈间歇性/波动性,负荷呈随机性,利用概率统计理论研究基于不确定性量的电力系统规划、运行与控制已成为当前的研究热点.针对近年来不断增加的以风电、光伏为代表的分布式电源接入柔性直流配电网的现象,开展了概率潮流研究.以Nataf变换方法结合Cholesky分解进行不确定变量的相关性处理,提出了一种计及输入变量相关性...     

考虑源荷不确定性的风光火储系统低碳经济调度

为提高以新能源为主体的新型电力系统运行的低碳经济性和能源利用率,提出一种考虑源荷不确定性的风光火储发电系统低碳经济调度模型。将碳交易成本引入传统经济调度中,细化碳排放源;用随机机会约束处理源荷两侧不确定性;立足供给电源侧资源禀赋来改善清洁能源的波动性和消纳率。以IEEE 30节点系统进行算例分析,通过随机模拟粒子群算法对模型进行求解,结果证明所提调度模型可减少碳排放量、提升系统的经济运行、促进新能源消纳。     

基于改进卷积神经网络的非侵入负荷辨识方法研究

非侵入式负荷监测作为客户侧泛在电力物联网重要技术之一,不仅有助于电力公司加强负荷管理,还可以引导用户合理安排负荷的使用,为实现以家庭电力用户为主体的需求侧响应和满足居民用户对精准精益用电服务需求提供了重要的技术支持。对非侵入式负荷监测中低频采样信号分辨率低,负荷特征易重叠,以及卷积神经网络不能有效辨识具有相似波形特征负荷的问题,提出了融合暂态电流波形和时域特征的改进方法,将暂态电流值均方根融合到电流波形图像以提升相似波形特征负荷的辨识正确率。通过实测数据和负荷识别参考数据集(REDD)测试,验证了所提方法的可行性和有效性。     

联合结构相似性与类信息的图像分类

针对卷积神经网络训练收敛速度慢的问题，提出了一种加权的联合结构相似性和类信息监督训练的方法。首先，针对小图像，设计一个能有效提取图像高级别信息的卷积神经网络。其次，建立加权的联合结构相似性和类信息损失函数训练卷积神经网络。最后，通过mnist手写数字和cifar10图像分类实验验证所设计网络的有效性。实验结果表明，所设计的网络在mnist手写数字和cifar10数据集上的图像分类错误率分别为0.33%和11%。在未进行扩增mnist数据集的前提下，所设计的网络的性能超过了该数据集上所有单网络的性能；在cifar10数据集上，所设计的网络能以较少的计算量获得较高的图像分类准确率。同时，联合结构相似性和类信息损失的监督训练能加快网络的训练速度。     

基于数据挖掘的PCB质量诊断

在当今竞争激烈的市场环境下基于顾客关系管理的企业经营理念,越来越受到企业的重视。一种基于数据挖掘的PCB质量诊断方法应运而生,该方法能够建立顾客信息的搜集以及快速反应机制,针对顾客所反映的质量问题,做出正确、快速的回复与处理。     

基于轻量化YOLOv4的复杂场景绝缘子缺陷检测算法北大核心CSCD

针对目前高压线路绝缘子缺陷检测速度慢,复杂场景下精度低的问题,提出一种基于轻量化YOLOv4(you only look once)的复杂场景绝缘子缺陷检测算法。首先利用轻量级的ECA-GhostNet(efficient channel attention GhostNet)作为骨干网络,以提升检测速度;然后在预测层引入分类-定位质量估计联合表示方法,并采用广义分布表示边界框的灵活分布,以提升复杂场景下的检测性能。训练阶段分别采用定位质量焦损失函数(quality focal loss,QFL)与分布焦损失函数(distribution focal loss,DFL)更好地监督联合表示与边框回归。将该算法在具有复杂背景的数据集上对正常与自爆缺陷绝缘子两类目标进行验证实验,结果表明,该算法在复杂场景下的检测精度均优于目前主流算法,且检测速度达49FPS,比YOLOv4原始算法检测速度提升了约40%。