排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
为有效提升泛在电力物联网建设过程中的配电网运行安全感知能力,提出了一种基于多时间尺度状态估计的配电网实时态势预测方法,该方法可实现对配电网安全态势的快速、准确预测。首先,基于多元混合量测提出了多时间尺度递归动态状态估计方法,通过状态预测与伪量测递归变换改进了已有的量测线性等效变换方法,缩短了状态更新周期,在递归变换算法中添加了校正算法以消除伪量测波动误差,提高了状态估计算法的计算速度。然后基于状态估计得到历史估计状态,采用分区多元时间序列分析方法建立了实时状态预测模型,实现了配电网的实时安全性态势预测。最后在Matlab仿真平台中基于实际算例对所提方法进行了分析,结果验证了所提配电网实时态势预测方法的准确性和有效性。 相似文献
3.
4.
变电站电力巡检能够保证变电设备安全运行,及时发现潜在危险和隐患。传统方法主要依靠人工完成,需要较多的人力物力,并且由于变电站异物入侵的偶然性和突发性,传统方法很难预测发生的时间和地点。针对该问题,提出了基于生成对抗网络和深度残差神经网络的变电站异物检测技术。利用深度残差神经网络提出图片的特征,结合区域推荐网络和池化分类器实现目标的分类和定位。利用生成对抗网络生成样本扩充训练数据库,提升了网络的学习能力。最后利用真实变电站的图片数据进行测试,提出的方法具有较高的异物识别准确度,并且比较了不同种类不同数目的训练集,验证了通过生成对抗网络扩充样本的有效性和可行性。 相似文献
6.
变电站电力巡检能够保证变电设备安全运行,及时发现潜在危险和隐患。传统方法主要依靠人工完成,需要较多的人力物力,并且由于变电站异物入侵的偶然性和突发性,传统方法很难预测发生的时间和地点。针对该问题,提出了基于生成对抗网络和深度残差神经网络的变电站异物检测技术。利用深度残差神经网络提出图片的特征,结合区域推荐网络和池化分类器实现目标的分类和定位。利用生成对抗网络生成样本扩充训练数据库,提升了网络的学习能力。最后利用真实变电站的图片数据进行测试,提出的方法具有较高的异物识别准确度,并且比较了不同种类不同数目的训练集,验证了通过生成对抗网络扩充样本的有效性和可行性。 相似文献
7.
为提高配电网对电动汽车的接纳能力,提出一种考虑光伏出力、负荷及电动汽车充电功率不确定性的配电网动态重构方法。首先通过引入仿射数,对光伏出力、负荷及电动汽车充电功率不确定性进行描述。然后,以最大化电动汽车接纳能力为目标,建立配电网动态重构模型,并通过改进郊狼算法进行求解,得到一天内24 h静态重构结果,并对重构结果相同的时段进行合并。最后,提出了基于欧氏距离的动态重构时段划分方法,将重构时段进行进一步合并,得到最终的动态重构时段。通过86节点配电网对所提重构方法进行仿真分析,结果表明,所提方法能够将电动汽车接纳能力提升21.16%,同时能够减少重构时段,降低开关的动作次数。 相似文献
8.
9.
10.
三电平中点钳位型互联变流器,因其大容量、高电能质量等优势,已逐渐成为交直流混联配电网系统的主流能量变换装备。但其长期工作于大功率、时变负载、有限散热等恶劣工况,功率器件开路故障率高。同时,现有故障诊断方法多为单一机理或数据依赖,无法克服系统模型结构复杂、运行工况多变的难题,诊断准确性与快速性较差。为此,提出了一种机理-数据融合驱动的互联变流系统故障诊断方法。首先,基于三电平变流系统的机理模型,结合神经网络观测器,构建机理-数据融合模型以提高故障诊断精度。随后,分析了电流残差量在不同器件开路故障后的变化轨迹,总结出电流残差故障特征表进行开路故障诊断。最后,实验与硬件在环测试结果验证了所提方法的有效性。 相似文献
1