中压不接地配电网三相潮流新方法

在大量分布式电源接入中低压配电网的新形势下,三相潮流计算是分析其影响的基本手段。针对现有中压不接地配电网三相潮流研究主要采用人为设置参考中性点/零序电压的方式,导致无法仿真分析中性点/零序电压偏移、不接地网络零序潮流和相-地电压不平衡等情况,提出一种中压不接地配电网三相潮流新算法。首先,提出不接地配电网三相潮流在节点变量和导纳矩阵方面的特殊性。然后,设计基于功率平衡方程和牛拉法,采用导纳矩阵可逆化处理和矩阵替换技术实现约束零序电流为零的不接地配电网三相潮流算法。最后,基于6节点系统和修改的IEEE123算例仿真不接地配网的潮流,结合PSCAD验证所提方法在不同场景下的准确性以及在大电网中的适用性和收敛性,并在地市电网中进行实际应用。算例分析表明,所提算法计算结果准确,具有良好的工程实用性。     

面向样本扩充的新型风格迁移网络研究

全监督语义分割网络在训练时需要耗费大量的人力与时间成本来标注样本。所以减少人工标注样本的时间,同时提升语义分割效果,对于深度学习网络的快速部署和应用推广具有重要意义。提出一种基于改进图像风格迁移网络（CycleGAN-AD）的样本扩充方法。以CycleGAN为基础,在生成器中引入注意力机制并将深度残差网络改为密集连接卷积网络。利用计算机批量产生自带标签的模拟样本,使用CycleGAN-AD网络将模拟样本风格迁移成为真实样本风格（标签不变）,并用于扩充训练样本。对石墨电极的钢印字符进行语义分割的实验结果表明,采用CycleGAN-AD网络进行样本扩充后,其分割效果得到显著提升,MIoU值最高升至0.826 0。可见,提出的样本扩充方法有希望在显著减少人工标注工作量的同时,获得高质量的训练样本。     

多源基因学习的微种群教与学优化及应用

由于微种群教与学优化算法的种群规模较小, 故其种群多样性很难维持. 为提高微种群教与学优化算法的搜索性能, 提出了一种基于多源基因学习的微种群教与学优化算法(micro-population teaching-learning-based optimization based on multi-source gene learning, MTLBO-MGL). 在MTLBO-MGL算法中, 将教阶段和学阶段根据随机选择策略来对个体进行基因水平上的进化操作; 并从基因层面上对种群多样性进行检测和使用稀疏谱聚类方法对种群的每个维度进行聚类. 然后, 根据多样性检测和聚类结果, 选择不同的进化策略来提高所提算法的搜索性能. 在28个测试函数上, 通过将所提算法与其他4种微种群进化算法作对比, 证明了所提算法的整体性能要显著好于所对比的4种算法. 本文还将所提算法应用于无人机三维路径规划问题, 结果表明MTLBO-MGL算法能够在该问题上取得较好结果.     

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。     

线性切换系统的采样数据输出调节问题

本文基于采样控制,解决了线性切换系统的输出调节问题.首先考虑了外部输入信号是常数的情况,给出了采样周期与平均驻留时间的关系.通过构造一类Lyapunov-Krasovskii泛函,使得闭环系统内部稳定且调节输出趋于零.其次考虑了外部输入信号是导数有界且时变的情况,给出了采样数据状态反馈控制器,并依据采样周期和平均驻留时间关系给出的切换条件得到了切换系统实用输出调节问题可解的充分条件.最后通过两个数值例子验证了方法的有效性.     

考虑超调的虚拟同步发电机暂态功率振荡抑制策略

虚拟同步发电机(VSG)在有功指令和电网频率扰动下存在输出有功暂态振荡和稳态偏差的问题。控制中增加暂态阻尼环节可以抑制振荡、避免稳态偏差,但存在较大超调问题。通过建立VSG在2种扰动下的有功闭环小信号模型,依据根轨迹分析振荡抑制效果,进一步结合零点分析超调,得到暂态阻尼策略下VSG超调的原因和特性,并提出2种基于有功暂态补偿的VSG功率振荡抑制策略：暂态前馈补偿和暂态反馈补偿。2种改进策略均可以提升系统的暂态阻尼,有效抑制VSG有功振荡,既不会增大稳态偏差,又能大大减小超调。通过MATLAB/Simulink仿真及StarSim硬件在环半实物实验验证了所提策略的正确性和有效性。     

短路电动力作用下变压器低压绕组变形研究

电力变压器短路时会产生巨大的短路电动力,当短路电动力过大时会导致变压器绕组变形.为研究三相三绕组变压器短路时的电动力分布和绕组变形情况,本文以一台50MV·A/110kV的三相三绕组变压器为例,计算变压器发生短路时的短路电流,将该短路电流作为激励,通过有限元软件计算绕组的短路电动力,采用磁-结构耦合的方式计算在最大短路电动力作用下的绕组变形和应力分布.结果表明,短路时低压绕组受到向内压缩的辐向电动力和向中间压缩的轴向电动力,绕组中间部分受到的短路电动力大于两端,导致绕组中部的变形程度大于两端.研究结果对研究变压器绕组变形具有一定实际意义.     

基于深度学习的监督型典型相关分析

典型相关分析（CCA）是利用综合变量对之间的相关关系反映两组指标之间整体相关性的多元统计方法。传统的CCA方法无法有效利用样本的标签信息,导致准确率降低。将类信息融入到深度学习与CCA相结合的深度典型相关分析中,提出一种监督型降维方法DL-SCCA,用于处理带标签的非线性可分数据。在2个独立的深度神经网络（DNN）结构上,增加1个公共的输出维数与数据集类别数相同的全连接层,并且以softmax函数作为该层的激活函数,输出带有概率意义的编码向量。在此基础上,利用全连接输出与样本标签信息之间的交叉熵对DNN进行训练,获得分类性能较优的低维特征。实验结果表明,该方法采用最近邻分类器和网络本身结构得到的分类准确率分别为98.00%和97.82%,相比CCA、DisCCA、DCCA等方法,能够有效利用样本的标签信息,并且具有较优的分类性能。     

单向碳化硅纤维/环氧树脂复合材料吸波性能的研究

采用真空袋工艺制备了纤维体积分数为10%~40%的单向碳化硅纤维/环氧树脂复合材料,研究其力学性能和介电性能,计算其吸波性能和反射率。结果表明,在10%~25%范围内,随着碳化硅纤维体积分数的提高,复合材料的介电损耗实部、虚部及损耗角正切值均增大,反射率减少,即吸波能力增大;而在高于25%之后,就吸波能力而言,存在着最优纤维体积分数值;在纤维体积分数固定之后,就吸波能力而言,也存在着最佳的材料厚度;当复合材料的SiC纤维体积分数为25%、厚度为3 mm时,其在X波段内的反射率均低于-5dB,最低为-9.9dB,平均值为-7.8dB。     

芳纶表面改性及其与丁腈橡胶复合材料的性能研究

为增强对位芳纶纤维(PPTA)与丁腈橡胶(NBR)之间的界面粘结强度,采用多巴胺(DA)-硅烷偶联剂对芳纶纤维联合改性并制备PPTA/NBR复合材料。结果表明,纤维改性后表面粗糙度增加;表面元素含量和种类都发生较大变化;在H试样抽出测试中,改性后的PPTA帘线/NBR试样抽出力相对于未改性试样增大64.02%,且黏附橡胶较多。改性后的PPTA/NBR试样,纤维含量相同时,断裂伸长率和拉伸强度相对未改性的PPTA/NBR试样增大;随着纤维含量的增加,使用同种方法处理的PPTA/NBR复合材料断裂伸长率减小,拉伸强度先增大后减小。