基于确定性测量矩阵与变阈值SAMP的超高次谐波检测算法

随着电网中采用高频电力电子器件制造的设备逐渐增多,配电网中的超高次谐波现象已经成为了一种亟需解决的新型电能质量问题。相较于传统谐波检测方法采样超高次谐波信号时产生的巨大数据量,压缩感知作为一种新型信号处理方法,在使用测量矩阵对稀疏信号进行亚采样后通过重构算法用较少的数据就能精确地恢复原始信号,有效降低了对采样端硬件的要求。提出了一种基于确定性测量矩阵与变阈值SAMP算法的压缩感知超高次谐波检测算法。首先该方法采用了一种由确定性随机序列构造的测量矩阵,这种确定性测量矩阵的结构与随机测量矩阵相比更易于传输与存储,同时具有和高斯随机矩阵相同的重构性能。其次,针对SAMP重构算法在频谱泄露时易发生稀疏度过估计的问题,提出了一种改进的变阈值SAMP算法,设置一个动态的阈值来控制算法中内积的选取,减少迭代中的误选。改进算法提高了超高次谐波检测的精度,降低了因频谱泄露和噪声造成的误差且更容易硬件实现。最后,通过仿真和实测结果证明了改进算法的准确性和有效性。     

基于整数线性规划的配电网故障定位容错算法

为了提高配电网馈线故障定位的速度和容错能力,提出一种基于整数线性规划模型的配电网故障区段定位容错算法。将各馈线终端单元(Feeder Terminal Unit, FTU)的漏报、误报状况和馈线状态作为决策变量,基于最小故障诊断集理论,建立计及FTU漏报、误报信息的故障定位模型。针对逻辑运算在求解大规模配电网故障区段时建模复杂、算法受限的问题,构建基于代数关系运算的开关函数,并提出一种逻辑关系线性化策略将约束条件线性化。所建模型采用具有良好数值稳定性的常规优化方法进行决策,以保证解的全局最优性。仿真算例表明,所提方法定位准确高效、容错性强,在正确定位故障馈线区段的同时能获取具体节点的漏报、误报状况,适用于多节点过流信息发生畸变的大型配电网络。     

基于改进长期循环卷积神经网络的海上风电功率预测

准确的风电功率预测对海上风电安全并网具有重要意义.不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求.针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预测模型,用于超短期海上风电功率预测.首先,采用改进LRCN进行初步功率预测,即构建多卷积通道分别...