电压暂降分类特征可比性、相关性及马氏距离分类法

分类特征选取和分类方法是电压暂降分类的基础。从分类学原理出发,针对不同分类目标的电压暂降分类,引入电压暂降分类特征概念,研究同类和异类暂降分类特征的可比性,提出基于费希尔判别准则的分类特征线性判别和分类特征选取方法;考虑同类和异类暂降间分类特征相关程度的不同,提出基于马氏距离的电压暂降分类方法。以短路故障、变压器空载激磁和大型感应电动机起动引起的电压暂降为分类目标,对理论样本和不同情况下实测数据的分析证明该方法正确性、可行性和良好的噪声鲁棒性,并证明,在分类过程中考虑特征属性可有效提升其分类性能。     

基于空间相量模型的三相电压暂降扰动特征提取与分类

对暂降扰动进行精准类型识别是电能质量评估和治理的前提。现有暂降特征提取多是对单一扰动数据进行识别分类,采用数学变换法进行特征提取时数据维数高且计算量大。针对这些问题,提出了一种基于三相电压空间相量模型的多级暂降扰动可视化特征提取及分类方法。首先,将三相电压时域波形数据转换为空间相量模型;其次,使用 K-mean算法,将电压降落扰动聚类成平面内可视化的圆或椭圆;最后,利用逻辑回归算法对每一个聚类的圆或椭圆进行特征提取与分类。应用所提方法分别进行了单一扰动和多级扰动识别的仿真实验,结果表明,所提方法能有效识别A、Ca、Cb、Cc、Da、Db和Dc等七类电压暂降扰动。该方法降低了数据维度,减少了模型计算量,避免了对动态过渡过程的检测,降低了错误识别的风险,为多级电压暂降扰动的识别与分类提供了一种有效的辅助手段。     

考虑系统峰谷时变区间特性的电压暂降频次评估

故障前电压是影响系统电压暂降频次评估的重要原因之一。现有电压暂降频次随机评估方法,通常假定发生故障前系统母线电压为额定值,而实际故障前电压在电压曲线区间范围内变化,且不同运行方式下随着峰谷变化有不同区间边界。针对故障前电压实际特征,建立故障前电压的数学模型———幅值区间矩阵和时间权重点值矩阵,体现了故障前电压峰谷、时变、区间三大特征。在此模型基础上提出用区间分析的方法评估电压暂降频次的一般步骤。通过对实际区域电网仿真分析,并与故障前电压为额定值和实际截面电压评估结果比较,证明了该模型和算法的正确性和有效性,采用提出方法对电压暂降进行评估,更符合工程实际。     

基于动态时间弯曲距离的电压暂降源辨识方法

为了实现对各类型电压暂降源的准确辨识,从波形相似性检测的角度提出了一种基于动态时间弯曲距离的电压暂降源辨识方法。通过仿真模型分析了基本电压暂降和经不同类型变压器传播后各类暂降的波性特征,构建了电压暂降类型与暂降原因及变压器类型的映射关系。利用9种电压暂降波形数据构建匹配库,采用动态时间弯曲距离法将实测的电压暂降波形数据与匹配库波形数据进行匹配分析,实现电压暂降源的辨识。仿真分析的结果表明,该方法能够对电网中出现的各种类型电压暂降进行辨识,具有较高的准确性和有效性,满足工程应用的需求。     

基于故障距离分布函数的配电网故障定位

为提高配电网故障定位精度,提出了基于母线电压暂降特征信息和故障距离分布函数实现配电网故障定位的单点定位算法。由节点阻抗矩阵建立反映故障距离变化的故障距离分布函数,根据故障距离分布函数和故障后变电站端测量到的电压暂降数据计算故障距离,通过数据匹配和逐步逼近搜索法确定过渡电阻值,引入了排序算法对所有可能故障点进行排序,减弱了伪故障点对故障定位结果的影响。该方法也适用于三相不平衡配网,不需多次短路计算迭代。算例结果验证了该方法的有效性。     

对称电压暂降情况下含无功补偿功能的虚拟同步发电机控制策略

虚拟同步发电机(Virtual Synchronous Generator,VSG)控制思想是通过模拟传统的同步发电机的输出特性来提升分布式电源(Distributed Generation,DG)对电网的友好性。但是,传统的VSG不具备在电网故障情况下抑制故障电流的能力,同时也无法提供无功支撑。文中针对该问题,建立VSG模型,分析电网电压对称暂降过程中的VSG的行为。提出了一种适用于电压暂降故障的含有无功补偿功能的VSG控制策略,能够保证故障期间VSG输出不过流,故障瞬间和故障清除瞬间无暂态电流冲击并输出最大无功功率。并给出了限流控制方法的原理分析和具体参数整定原则。最后通过仿真验证了所提的控制策略的正确性和可行性。     

基于EVSS-LMS算法的三相幅相锁相系统

传统硬件锁相环无谐波畸变抑制能力且只能跟踪单相电压相位,无法有效提取三相正序分量相位的信息。文中为了适应三相电网的数学模型,将传统的变步长最小均方根算法从单输出系统扩展到多输出系统,提出一种三相幅相锁相系统。该系统根据电网电压谐波含量可自适应地调整步长值,从而实现了对谐波干扰有较好的抑制能力;同时,在电压突变等异常情况,对步长值进行重置,提高了对异常情况的处理速度,从而对于电压暂降等场合具有较快的响应速度。实验结果表明,该幅相锁相系统不仅具有较好的谐波和三相不平衡适应能力,而且能近乎无延迟地反映三相系统正序电压分量幅值和相位的变化,可广泛运用于与三相电网相连的电力电子装置。     

具有电压补偿功能的微网逆变器控制研究

对微网逆变器用于补偿微网电压暂降进行了理论分析。针对并网逆变器正常并网发电时,微网内电压不平衡、谐波对微网逆变器控制影响,在推导分析VPI控制在微电网并网逆变器中应用性能的基础上,提出了一种加入独立比例项的PVPI控制,并将其应用在基于储能并网逆变器控制中。进一步提出双模式控制方法,使储能并网逆变器既可以实现并网发电控制又可以根据实际情况的需要,将功能切换到补偿PCC电压不平衡暂降,采用正序和负序PVPI控制器分别对正序分量和负序分量进行闭环反馈控制。最后进行了仿真验证,理论分析及仿真结果表明所提方法的正确性和有效性。     

基于SVPWM的动态电压恢复器的研究

动态电压恢复器(DVR)作为一种电力电子设备,是调节电网电压暂降的重要方法之一,通过向电网补偿适当的电压值,使负荷侧的电压恢复到跌落以前的正常值,维持负荷侧电压稳定,保证敏感负荷供电的连续性。本文在利用SVPWM技术控制DVR逆变单元三相电压源转换器进行直流/交流变换的同时,采用锁相环技术闭环控制负荷侧电压的方法。经过Matlab/Simulink软件进行的仿真和实验验证了所采用方法在对系统发生单相和三相电压暂降进行补偿时的有效性。     

基于深度神经网络的电压暂降经济损失评估模型

为进一步简化电压暂降经济损失评估流程、提高经济损失预测的适用性和准确度,提出了一种基于深度神经网络(DNN)的电压暂降经济损失评估模型。首先分析了影响电压暂降经济损失的特征因子,分别从电压暂降故障信息、工业过程信息、敏感设备信息和用户基本信息中提取19维特征向量作为DNN预测模型的输入向量,将经济损失结果作为输出,并基于Tensorflow深度学习架构对DNN预测模型进行训练。在此基础上,提出2种数据增强的策略,有效解决了电压暂降样本数据少的窘境,并通过构建4种DNN架构,对比了不同随机失活概率、神经元数量、架构深度对经济损失预测准确度的影响。训练后的DNN模型可以准确提取特征,快速实现收敛并对经济损失进行合理预测。最后,基于我国某大型电子工业企业的电压暂降实际采样数据,对DNN模型进行了训练和性能评估,结果表明了所提方法的有效性。