基于堆栈降噪自编码网络的电力负荷识别

电力系统中负荷识别需要进行特征选择,而常见的人工方式特征选取比较困难。为解决负荷特征选择困难的问题,采用一种基于堆栈降噪自编码网络（SDAE）的电力负荷识别方法,能有效选取现场真实负荷波形的特征并加以识别,该方法是由一层后向传播的神经网络和多层降噪自编码器（DAE）构成。首先向数据信号中掺杂一定比例的噪声进行“破坏”,然后采用“破坏”后的信号重构原始信号,进而得到数据信号的波形特征,最后采用BP神经网络对整个数据处理网络进行有效监督和微调。经过现场实时采集的电力负荷波形数据验证,相较于BP神经网络算法,该方法的识别效果更佳。实验结果显示,采用SDAE方法在8类电力负荷的识别中辨析识别率超过96%。     

一起智能电表频繁掉电重启事故的原因分析

现场运行的单相载波智能表频繁掉电重故障不仅会影响电量的准确计量,还会引起计量纠纷。本文首先介绍了故障的基本情况,然后结合电表掉电重启原理和试验结果分析,得出因载波模块的动态功耗过大使得作为掉电判断依据的直流VCC₁2V的电压降低到掉电阀值以下,从而引起故障发生的结论。最后提出具体的应对措施,解决了故障问题,同时也避免了其它批次同类型载波智能表在现场运行时出现相同故障。     

智能电能表黑屏故障原因分析

智能电能表的主要功能是为用户提供一个电网的入户接口,对每户的电能进行计量,其质量的优劣直接影响计量准确性和国网公司经营效益,关系着国网公司的社会形象。针对一起智能电能表现场运行过程中出现的黑屏故障,开展详细的技术分析,给出黑屏故障原因的分析方法并提出相应控制措施与工作建议,为电网实际运行的智能电能表故障分析提供依据,进一步完善智能电能表质量管控手段。     

适应分布式光伏动态特性的改进电能计量模型

针对分布式光伏发电模型,建立了分布式光伏并网信号数学表征式;基于时分割乘法器(TDM)电能计量模型,分析电能计量算法在谐波和电压波动条件下的误差产生理论,设计适应分布式光伏动态特性的有功计量修正模块,给出基于Hilbert变换的无功功率计量方法;将光伏并网信号数学表征式与改进的电能计量模型结合,提出了适应分布式光伏动态特性的改进电能计量模型,通过仿真验证了所提模型的有效性。     

数字化电能质量监测设备的设计与应用

分析了应用在江西省电能质量监测网子站———220kV澄江数字化变电站的电能质量监测设备的设计需求,给出了该设备的整体设计方案,重点介绍了基于IEC61850-9-1/-2协议的采样值报文解码模块的硬件设计和程序流程,以及数字化电能质量监测设备的建模方法。文章可为在数字化环境下建立电能质量监测系统提供技术借鉴。     

Teager-Kaiser能量算子Blackman-Harris窗三谱线插值的电压闪变参数检测

针对电压闪变的检测,提出了一种基于Teager-Kaiser能量算子和Blackman-Harris窗三谱线插值的闪变参数测量方法。采用能量算子检测出电压波动信号,分析Blackman-Harris窗的旁瓣特性,将闪变包络进行Blackman-Harris窗三谱线插值FFT谱分析与校正,对IEC标准推荐的检波方法进行简化,实现闪变参数的检测分析。通过大量仿真实验证明,在含有单一频率调制、多频率调制、电网基波频率发生偏移、含有谐波、间谐波和白噪声干扰时,文中的检测算法性能优良,相比传统检测方法,算法简单稳定、抗干扰性强,可实现电压闪变参数的在线检测。     

计及较大频率偏移的谐波相量测量算法

近年来,电力电子化导致供电系统的电能质量明显恶化,次同步谐振问题时有发生。实现动态谐波相量的广域同步测量,是监测供电系统谐波含量及其动态变化水平,解决上述问题的关键手段之一。然而,频率偏移较大时,现有的谐波相量测量算法难以同时满足准确度高和计算量小的工程应用要求。本文基于香农采样定理对动态谐波相量进行建模,增加频率自适应调节,按信号实际频率确定并选取谐波相量测量滤波器,还依据对模型误差的理论分析,设计各谐波相量测量滤波器的频带宽度,从而提高谐波相量测量的准确度。计算量统计分析和仿真实验结果表明,本文提出的谐波相量测量新算法,不仅计算量小,而且准确度明显高于现有的泰勒傅里叶变换算法,十分适合于工程应用。     

基于卷积神经网络和随机森林的三相电压暂降分类

特征提取是电能质量扰动识别的关键步骤,然而传统的数学变换与浅层神经网络相结合的方法无法自动提取特征。为此,提出了一种基于卷积神经网络(CNN)和随机森林(RF)的混合模型来对三相电压暂降数据进行自动特征提取及分类。首先,将三相电压暂降数据转换为空间相量模型(SPM);其次,利用CNN对SPM进行特征提取;最后,将RF应用于分类。为了加快CNN训练速度并缓解过拟合,引入了Dropout、学习率指数衰减和自适应矩估计权值更新算法。实验结果表明,与其他分类方法相比,所提方法具有较好的泛化性能和较高的分类准确率,这为电压暂降识别提供了一种客观、高效的辅助手段。     

基于卡尔曼滤波算法的网络信息观测器设计

传统电力系统大多采用统一的控制和管理,对量测设备和通信设施依赖性强。一旦发生通信延时、丢包等故障,会影响系统状态监测和系统控制。因此,针对分布式电源接入的配电网系统,提出了一种基于卡尔曼滤波算法的无通信网络信息观测器,其可以实现对系统节点电压和分布式电源本地信息无通信信息观测。仿真分析结果验证了所提观测器的有效性。