基于长短期记忆网络的电网故障区域定位与故障传播路径推理

为了在发生故障后维持电力系统的安全稳定,有必要实现对故障区域的快速定位并确定故障冲击的传播路径,提出基于长短期记忆网络(LSTM)的故障区域定位和故障传播路径推理方法.首先,利用LSTM建立2个故障诊断模型分别实现在线检测故障时刻和确定故障区域;然后,通过计算故障点附近线路的端口供给能量确定故障冲击的传播路径;最后,以8机36节点电网为例进行算例验证,结果表明所提模型可在发生故障后短时间内检测到故障,给出故障区域和故障冲击传播的路径,且对噪声有较强的鲁棒性.     

一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法

由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法.首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果.通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5％以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高.     

基于改进K-means聚类的配电网电压暂降频次估计法

传统考虑保护动作特性的电压暂降频次估计法需要获取详尽的保护配置信息,然而配电网保护配置多样,在不同因素如过渡电阻、运行方式、故障类型等的影响下,阶段式保护各级保护区可能产生较大变化,采用传统方法对电压暂降持续时间进行评估可能会产生较大误差。文中提出一种基于改进K-means聚类的配电网电压暂降频次估计方法,在未知线路保护配置基础上,基于电压暂降历史监测数据与保护动作信息,采用改进K-means聚类算法,对电压暂降幅值-持续时间进行聚类分析,推断线路保护配置情况,计算保护动作时间与保护动作电压。根据计算结果,在考虑不同故障类型、不同运行方式及不同过渡阻抗的情况下进行配电网电压暂降频次估计。在IEEE RBTS-6母线测试系统的母线5配电网中进行仿真,验证了文中方法的有效性和优越性。     

多类型源储协调互动的配电网分布鲁棒优化调度

分布式光伏、风电等可再生能源出力具有较强的随机性和不确定性,其大量并网给配电网的运行带来了极大的挑战。本文提出了一种多类型源储协调互动的配电网分布鲁棒优化调度方法,基于分布鲁棒优化理论,对配电网中传统离散设备、可再生能源以及储能决策进行协调优化,提高配电网运行的经济性和安全性,实现了配电网运行决策保守性与鲁棒性的有效平衡。首先,考虑多类型源储资源的协调互动,建立配电网优化调度模型,并将其转化为混合整数二阶锥规划的形式;其次,利用可再生能源出力场景集进行不确定性刻画,建立分布鲁棒优化模型,并通过列和约束生成算法进行求解;最后,在PG&E69节点系统上进行算例分析,验证了所提方法的可行性与准确性。     

电网故障处置预案文本中的命名实体识别研究

电网故障处置预案是电网故障处置的重要参考,对电网故障处置预案文本中各类电力设备、名称编号等细粒度的关键实体信息进行抽取,是实现计算机学习理解预案内容并进一步支撑故障处置智能化的重要基础。文中提出一种基于深度学习的电网故障处置预案文本命名实体识别技术,首先采用字向量表征预案文本,然后将注意力机制以及双向长短期记忆网络相结合,有所侧重地提取实体词深层字符特征,最后采用条件随机场求解最优序列化的标注。算例表明:文中所提预案文本命名实体识别模型不依赖人工特征,能够自动高效地提取文本特征,准确识别预案文本中细粒度的实体词,满足预案文本中关键实体信息精确定位和识别的要求。     

基于改进LMD和能量相对熵的主动配电网故障定位方法

针对配电网发生单相接地故障且分布式电源（distributed generations, DGs）大量接入后,配电网结构和运行方式复杂多变、故障后电气量不明显、故障特征弱等特点,提出一种基于改进局部均值分解（improved local mean decomposition, ILMD）和能量相对熵的主动配电网故障定位方法。首先,利用镜像延拓将信号在两端延拓,消除LMD存在的端点效应,同时,在信号中加入自适应噪声,克服LMD存在的模态混叠问题,对各区段暂态零序电流进行ILMD分解;然后对分解后所有乘积函数（product function, PF）的能量相对熵进行计算,所有PF分量的相对能量熵之和即为区段间的相对能量熵,通过所设置的定位判据,对故障区段进行判断。仿真结果表明,所提算法在10 kV小电流接地系统和改进的IEEE33节点系统中,在不同的仿真条件下故障定位结果准确率高,验证了所提方法的准确性。     

宽频带范围下磁场能量收集的匹配网络设计

磁场能量收集技术是电磁环境中分布式传感器实现自供能的有效手段。与工频磁场和射频磁场等单一频率的磁场环境不同,电力变换器中的磁场分布具有宽频率范围特性。为了提高取能模块的功率密度,应尽可能多地在有限体积内收集能量,提出通过采用双级谐振-带通滤波网络。与此同时,基于相同取能线圈,充分对比了不同电流和负载特性下,单级谐振网络和双级谐振-带通网络的输出特性,归纳出双级谐振-带通网络的适用范围。     

电力作业场景中一种高效的UWB和IMU融合定位算法

在电力作业场景等复杂环境中,超宽带（UWB）定位存在非直达情况（NLOS）性能下降严重的问题,利用UWB与惯性测量单元（IMU）融合可以改善定位精度,但IMU的测量存在误差累积,需要精确的UWB测量校正。对NLOS条件进行准确的鉴别和利用有助于定位精度的提升。提出一种基于扩展卡尔曼滤波（EKF）的UWB/IMU融合算法,利用电力作业场合中UWB测量分布性质来判定NLOS条件,并进行误差的缓解,有效提升NLOS条件下的定位精度。由于该算法不需要对环境有先验知识,也不需要进行IMU校正等操作,可用性较好。理论和实验结果表明,该算法的性能优于其他基线系统。