排序方式: 共有36条查询结果,搜索用时 187 毫秒
1.
分析谐振接地系统发生单相接地故障时各区段故障暂态零序电流的相似性特征,提出基于故障暂态零序电流Hilbert瞬时能量谱相似性自适应仿射传播聚类(adAP)的故障区段定位方法.所提方法对故障后首半个工频周期的故障线路各区段的故障暂态零序电流进行局部特征尺度分解(LCD),对得到的各频带波形进行Hilbert变换得到Hilbert瞬时能量谱.计算Hilbert瞬时能量谱两两间的动态时间弯曲距离,对动态时间弯曲距离构成的相似度矩阵进行adAP,根据Silhouette指标最高的聚类情况定位故障区段.在电弧故障、存在分布式消弧线圈系统、不同消弧线圈补偿度系统、噪声干扰、两点接地、采样不同步的场景下的仿真结果和现场数据验证结果表明,所提方法能克服工程应用中可能存在的影响,鲁棒性好、准确度高. 相似文献
2.
3.
通过福建省某沿海风电场的出力数据,验证了风电出力变化的波动性及随机特性,将风电出力并入电力负荷,分析了风电并入后对于电力负荷变化特性的影响,并分别从电网与风电自身的角度出发,讨论了有效应对风电功率的不确定性措施,包括风电出力预测、储能手段以及风电机组自参与调频等。 相似文献
4.
针对配电变压器故障特征提取困难、故障识别难度大的问题,提出一种将振动信号、自适应噪声完备集合经验模态分解
(CEEMDAN)与图卷积神经网络(GCN)三者有机结合的故障诊断方法。 首先,采用 CEEMDAN 对来自加速度传感器的振动信
号进行处理,获得一组固有模态分量(intrinsic modal function);其次求取边际谱信息作为特征向量;然后,对特征向量矩阵构造
无向加权完全图,并使用改进灰狼优化算法对高斯核带宽进行寻优;最后,搭建一个具备多通道和多连通的改进 GCN 模型进行
特征二次挖掘与故障分类。 与此同时,还在模型中加入一种名叫“峰值因子”指标实现对未知类型故障的辨识。 在实例分析
中,分别对油浸式和干式变压器进行故障模拟,提取不同状态的样本进行测试。 实验结果表明,所提方法对油浸式和干式变压
器的故障识别准确率分别达到 97. 73%和 95. 6%,优于其他两种对比方法。 在面对未知类型故障以及运行工况发生变化时,也
具备较高是识别能力。 相似文献
5.
6.
分析了风力机的基本特性,阐述了风力发电机组控制系统在低于额定风速时风力机的最大风能捕获及高于额定风速情况下的变桨距控制。在此基础上,利用SVM(support vector machines)优化风力机的风能利用系数以及变桨距控制系统的控制参数。仿真分析表明,风能转换系数的支持向量机模型具有很好的精度和泛化性能,而优化后的变桨距控制系统可对输出功率的调节获得较好的效果,保证风电系统的恒功率输出。 相似文献
7.
为控制配电网物理模拟系统以实现配电网正常运行及故障工况的模拟,基于可编程控制器(PLC),设计了配电网物理模拟系统的核心控制单元、故障模拟装置控制单元及燃弧故障装置控制单元。所完成的控制单元可实现模拟断路器通断控制、三遥数据采集控制、故障模拟控制、燃弧控制等功能,并以中断方式切除系统产生的模拟故障,响应时间不超过10个周波。PSCAD仿真结果与系统运行实验结果一致,表明所设计控制单元满足配电网物理模拟系统运行的控制要求。 相似文献
8.
实现配电站房运行状态的准确评估对确保电力系统的稳定运行有着重要的意义。针对目前评估方法主观性过强的问题,提出了一种基于CRITIC-TOPSIS的配电站房运行状态评估方法。基于压力-状态-响应(PSR)框架的思维模式,建立科学合理的配电站房运行状态评估指标体系,采用CRITIC赋权法确定各评价指标的权重,减少评价过程中的主观性,建立CRITIC-TOPSIS评价模型,利用综合接近度评估配电站房相对运行状态,并确定状态等级;引入禀赋效应来根据决策者的心理行为对评价结果进行调整,并对配电站房状态情况进行优劣排序;根据某地区配电站房实际运行数据进行实例分析,所得评价结果具有客观性和合理性。 相似文献
9.
为了能够快速找出直流配电网中发生单极接地或极间短路故障的线路,提出一种基于线路电流积分余弦相似性的故障区段定位方案。首先对换流器出口处的直流母线电流进行快速傅里叶变换,计算变换结果的能量熵作为故障检测判据,判据满足时立即启动故障区段定位算法,随后计算故障前后各直流配电线路两端线路电流的积分数列,然后计算故障前后的积分数列的余弦相似性,并依据线路两端余弦相似性的比较结果来构造故障区段定位判据,以此定位故障所在线路。同时,通过线路正负极的线路电流积分余弦相似性结果进行故障极判定,确定故障类型。仿真结果表明,所提方案可快速准确定位单极接地和极间短路故障所在的直流配电线路,为后续故障处理奠定良好基础。 相似文献
10.
配变油箱表面的振动信号富含绕组和铁芯的各类状态信息,是绕组和铁芯工作状况的最直接体现。采用希尔伯特黄(Hilbert-Huang Transform,HHT)带通滤波提取配电变压器振动信号主成分,获得表征绕组状态的100Hz分量及表征铁芯状态的150~1000Hz分量;利用负载电流拟合法提取绕组振动信号的特征量,通过测到的已知振动信号估计指定负载下的绕组100Hz振动幅值,构成绕组振动的特征向量;利用具有良好泛化能力及鲁棒性的双谱奇异值表征铁芯振动的特征。提取实验室试验测得的绕组松动、绕组变形、铁芯松动、铁芯两点接地以及铁芯接地不良等故障振动信号的特征向量,用基于信息融合的支持向量机(Support Vector Machine,SVM)实现绕组和铁芯状态的识别,结果验证了本文方法的有效性和准确性。 相似文献