基于粒子群和差分进化算法的含分布式电源配电网故障区段定位

配电网中引入分布式电源将导致传统的故障区段定位方法不再适用。通过构建新的开关函数,提出了基于二进制混合算法的配电网故障区段定位方法。该方法可动态适应分布式电源的投切,在进行多重故障定位时只需确定一次正方向,利用双种群进化策略和信息交换机制实现了粒子群和差分进化算法的混合。算例分析结果表明该方法能够对含分布式电源的配电网中的单一和多重故障进行准确定位,并且具有一定的容错性和高效性。     

基于K近邻算法的换流变压器局部放电模式识别

提出了一种基于K近邻KNN(K-Nearest Neighbour)算法的换流变压器故障诊断方法。设计了4种人工油纸绝缘缺陷,采用超高频天线采集局部放电信号。通过对局部放电超高频信号进行小波包多尺度变换,计算其多尺度小波系数的能量系数。采用KNN算法对局部放电超高频信号能量特征参数进行识别。将反向传播神经网络和所提方法对局部放电超高频信号模式的识别结果进行了对比,结果表明所提出的方法更适用于换流变压器故障诊断。     

基于改进型ANFIS的负荷密度指标求取新方法

针对传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求这一不足,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种新颖的、基于自适应神经模糊系统(ANFIS)的负荷密度指标求取新方法.该方法用熵权法对影响因素的输入值进行加权处理,运用Fletcher-Reeves共轭梯度法改进ANFIS默认的混合学习算法,建立改进型ANFIS预测模型来求取负荷密度,克服了传统方法输出结果不可量化和精度不高等缺点.通过一个实例验证了该方法的实用性和有效性.     

基于放电时差的局部放电模式识别的研究

为寻找一种无需校正、方便信号监测的局部放电模式识别方法,将局部放电脉冲间的时间差分布引入到局放放电的模式识别中,构造了放电相位、时间差与放电次数分布的三维谱图Hn(Δt,)φ,并分析提取了其灰度图象的盒维数与信息维数特征参量,最后以分形维数作为输入,径向基函数神经网络(RBFNN)作为模式分类器对5种人工油纸绝缘缺陷模型进行识别。研究表明,识别率均>90%并具有较强的抗干扰能力。     

基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法

针对实时电价对短期负荷的影响,建立了径向基（RBF）神经网络和自适应神经网络模糊系统（ANFIS）相结合的短期负荷预测模型.该模型利用RBF神经网络的非线性逼近能力对不考虑电价因素的预测日负荷进行了预测,并根据近期实时电价的变化,应用ANFIS系统对RBF神经网络的负荷预测结果进行修正,以使固定电价时代的预测方法在电价敏感环境下也能达到较好的预测精度,克服了神经网络在电力市场下进行负荷预测时存在的不足.某电网实际预测结果表明,该方法具有较好的预测效果.     

基于数据挖掘的电力负荷脏数据动态智能清洗

来源于SCADA系统的负荷历史数据由于各种原因含有一定的脏数据,在进行高精度的电 力负荷预测或系统分析前必须仔细而合理地对历史数据进行清洗。文中基于数据挖掘理论提出一 种动态的智能清洗模型,先根据模糊软聚类思想对Kohonen神经网络进行了改进,改进后的 Kohonen神经网络能实现模糊软聚类的并行计算,提出的动态算法能根据样本集的更新而自动确 定新的聚类中心(即特征曲线),最后与径向基函数(RBF)网络一起构成脏数据的智能清洗模型。 模型的快速性和动态性特点使其宜于进行负荷数据的实时处理,对重庆江北负荷数据的实例分析 说明了该模型的高效性。     

基于数据挖掘的电力负荷脏数据动态智能清洗

来源于SCADA系统的负荷历史数据由于各种原因含有一定的脏数据，在进行高精度的电力负荷预测或系统分析前必须仔细而合理地对历史数据进行清洗。文中基于数据挖掘理论提出一种动态的智能清洗模型，先根据模糊软聚类思想对Kohonen神经网络进行了改进，改进后的Kohonen神经网络能实现模糊软聚类的并行计算，提出的动态算法能根据样本集的更新而自动确定新的聚类中心（即特征曲线），最后与径向基函数（RBF）网络一起构成脏数据的智能清洗模型。模型的快速性和动态性特点使其宜于进行负荷数据的实时处理，对重庆江北负荷数据的实例分析说明了该模型的高效性。     

尖端及气隙联合缺陷下XLPE材料电树枝起始特性及其影响因素研究

交联聚乙烯(XLPE)中内部缺陷是导致电缆中电树枝产生的主要诱因,而电树枝的出现将造成电缆绝缘的整体失效,探寻不同绝缘缺陷特征对电树枝起始的影响规律及机理,可为设计、生产环节中改善电缆绝缘提供理论依据。考虑到凸起及气隙的联合缺陷为电树枝引发的主要诱因,本文搭建了针-电极短电缆实验平台以模拟缺陷下电树枝的引发及生长,并建立了缺陷下电应力物理模型,明确了缺陷模型下各缺陷特征对电树枝起始发展的影响规律。研究表明：XLPE电缆中半导体层缺陷的最大电场分布可采用针-板电极下最大场强Mason模型进行描述;由实验及数值化模型结果分析出缺陷的突刺曲率、微孔压强及材料耐受阈值ΔW₀与电树枝起始电压呈正相关,可分别从制造工艺、安装铺设等过程中调控三类缺陷特征,以提高实际工程中XLPE电缆的抗电树枝老化能力。     

不同电极系统下XLPE电缆电树枝生长特性的研究

The electrical tree discharge channel will be formed at concentrate spot of electric field in solid insulation dielectric,in order to study the difference of electrical tree under different electrical field,the short-cable electrode system with actual XLPE cable was designed,experiments were performed under 12 kV,15 kV,18 kV,21 kV compare to the needle-plate electrode system.Experiment results show that the electrical tree of short-cable electrode system have the same growth trend with the needle-plate electrode system in the growing characteristic,the dense of electrical tree increase with the increase of voltage level,electrical tree of short-cable electrode system growth is slower than the needle-plate electrode system at the same voltage;To get the same shape of electrical tree,the voltage of short-cable electrode system must be higher than needle-plate electrode system,the results show that the semiconductor layer and the copper shield layer outside of XLPE cable have very important affection on the electrical trees degradation.     

XLPE电缆电树枝二次生长特性分析(英文)

In order to study the growth characteristics of electrical trees in XLPE cable under secondary applied voltage, a short cable metal needle defect test device is adopted to study the growth characteristics of the new trees after the electrical trees in XLPE cable under the action of the voltage of 12 kV are influenced by secondary applied voltage (15 kV). The research results show that influenced by secondary applied voltage and voltage increase rate, there will be a peculiar "bush-branch" electrical tree in XLPE cable insulation layer and the new trees under secondary applied voltage have the characteristics of short initiation time, fast growth rate and narrow discharge channel, etc, which shows that secondary applied voltage has a great effect on the secondary initiation and growth of electrical trees in XLPE cable and it is an important factor of accelerating cable aging and breakdown.