基于概率神经网络的配电网接地故障选线方法

针对小电流接地系统单相接地故障,提出一种基于概率神经网络的配电网接地故障选线方法。采集每条线路在单相接地故障发生时的零序电流暂态信号(一个周波,故障前1/4个周波和故障后3/4个周波),运用db10小波序列进行5层小波包分解。提取零序电流小波能量并将其输入到PNN网络,实现故障线路自动识别。并给出故障选线小波包分解算法和PNN算法的具体步骤,可直接用计算机编程实现。运用Matlab软件对中性点不接地系统和中性点经消弧线圈接地系统均进行了仿真,验证了该方法的可行性与准确性。     

基于神经网络数据融合方法的小电流接地选线装置的研制

配电网中的单相接地故障是经常发生的一类故障,本文通过设计研究并安装一款基于神经网络数据融合方法的小电流选线装置来排查此类故障。装置利用BP神经网络良好的非线性拟合能力,结合故障后各线路的小波能量、五次谐波和有功功率作为特征值进行融合选线。根据故障选线的准确性和快速性对系统的要求,提出了一种基于ARM(Advanced RISC Machines)技术的软硬件平台,装置采用32位嵌入式ARM微处理器S3C2440作为诊断机的核心,以C8051F060作为前端采集器的控制核心,充分利用ARM出色的实时中断响应和快速的运算速度,很好的实现了综合智能选线算法。现场运行结果表明,该装置运行稳定,选线快速可靠,适应性强,是小电流接地系统中一种实用的选线装置。     

局部阴影条件下光伏阵列建模及输出特性研究

针对在局部阴影条件下光伏阵列的电气输出特性具有时变不确定性、强非线性和多个局部功率峰值点等特点,综述了目前在国内外研究领域的建模理论依据及模型对应的输出特性研究,并总结分析了各自的优缺点。最后对光伏阵列在局部阴影条件下动态组态模型的研究、提高输出功率多峰值跟踪精度在将来的实现作了探讨。