基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法

为有效识别气体绝缘开关组合电器(gas insulated switchgear, GIS)局部放电(partial discharge, PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition, EEMD)联合能量矩与改进麻雀群搜索算法优化支持向量机(improved sparrow search algorithm-support vector machines, ISSA-SVM)算法的GIS局部放电类型识别方法。首先搭建能产生4种局部放电类型效果的GIS局部放电实验平台,以获取4种局部放电信号,然后利用EEMD联合能量矩算法分别对4种局部放电信号进行模态分解与特征向量提取,最后利用经ISSA算法优化后的SVM算法对GIS局部放电类型进行识别。实验结果表明,所提方法可有效识别GIS不同局部放电类型,且较PSO-SVM与SSA-SVM算法识别精度分别提高了16.7%与8.5%,验证了所提GIS局部放电类型识别方法的有效性以及优越性。     

基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究

为提高电力变压器故障识别精确度,提出基于核主成分分析(Kernel principal component analysis,KPCA)与改进哈里斯鹰算法(Improved Harris hawk algorithm,IHHO)优化最小二乘支持向量机(Least square support vector machine,LSSVM)的电力变压器故障诊断方法。首先,利用核主成分分析对变压器原始故障数据进行预处理,去除冗余数据;其次,结合Sigmoid变形函数以及点对称策略改进传统哈里斯鹰算法(HHO),并与HHO和遗传算法(Genetic algorithm,GA)进行性能对比,证明求解精度和网络收敛速度有所提升;最后,采用IHHO对LSSVM的相关超参数进行优化求解,获取KPCA与IHHO-LSSVM相结合的变压器故障诊断模型。结果表明所提模型的诊断精度为95.6%,同其他故障诊断模型相比分别提高了8.9%、16.7%,证明了所提方法能够有效地提升变压器故障诊断性能。     

基于SABAS不同环境下的MPPT控制方法

针对现有的光伏系统多峰最大功率点追踪MPPT控制方法存在的不足,文中提出一种基于模拟退火改进的变步长天牛须搜索SABAS算法的MPPT控制方法。文中首先给出了SABAS建模过程以及相关性能分析,随后利用实验与仿真给出了基于SABAS的MPPT控制方法的仿真实验结果,以及与其他MPPT控制方法的比较。实验与仿真结果表明,本文提出的MPPT控制方法具有较强的抗干扰能力,并且在多峰情况下能够无稳态震荡地对最大功率点进行追踪。     

基于MSSA-PID算法的温升控制系统*

为提高温升控制的速度与精度,提出一种基于改进麻雀搜索算法(Modified Sparrow Search Algorithm,MSSA)的PID参数优化选择的温升控制方法。为改善原始SSA算法存在的易早熟问题,同时提高其求解精度,引入动态反向学习机制与自适应t分布扰动对其求解过程进行改进;建立MSSA-PID控制模型,分别对典型的一阶、二阶以及延时系统进行控制,从理论方面对其有效性及优越性进行验证;最后搭建温升控制实验平台验证了所提MSSA-PID温度控制系统温升控制精度高、控制效果稳定。