基于柔性策略的变压器智能感知数据采集研究

针对现有固定、无差别采集策略在变压器数据采集中造成的耗时长、冗余信息量大,且难以满足特定的数据可用性需求等问题,提出一种基于柔性策略的变压器智能感知数据采集方法。首先以四象限图方法划分各类数据采集优先级并制定不同采集方案。然后针对实时数据采集,提出柔性采集策略,考虑变压器运行中瞬时干扰与负荷变化等特殊情况,以双重判断量化数据波动程度,根据应激式调整方案,采用动态比例尺方法自主调整数据采集间隔,以实现分析目标为导向的按需数据采集。仿真实验结果表明,该变压器数据采集方法可在保证采集数据质量的同时减少数据采集量,有效提高数据采集效率与灵活性。从而为变压器在线监测与故障诊断等研究提供有效数据保障。     

信息物理系统在变压器稳压调节控制中的应用研究

考虑到现有变压器电压调节方法受调压档位限制,且电压调整判断依据为调度部门确定的电压曲线,难以实现灵活、高效、高精度的变压器输出电压稳定调节,提出一种基于信息物理融合系统的稳压动态调节方法以更好地解决变压器运行过程中出现的电压偏移问题。建立变压器的物理模型与信息模型,通过物理参数与信息属性的相互映射,利用动态链接对物理模型与信息模型在统一仿真平台上进行整合,建立变压器的信息物理融合系统模型,通过信息量对物理量的实时反馈作用机制,控制变压器原副线圈匝数比的自动调节,实现变压器输出稳压。仿真实验结果表明信息物理融合方法在变压器输出电压稳定调节应用中具有一定的有效性。     

电力工程造价的随机权深度神经学习估算方法

为了实现对电力工程造价高效、精确的估算,提出了一种电力工程造价的随机权深度神经学习估算算法（Random Weighted Deep Neural Learning,RWDNL）。通过构建外权随机的带有小中间层的多隐层神经网络模型,利用神经网络深度学习实现了对海量数据有效特征的提取以及电力工程项目造价估算。数值仿真实验结果表明该方法使工程造价估算精度和速度大大提高,可获得令人满意的泛化能力。     

基于经验小波变换的变压器振动信号特征提取

为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法。首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理。仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况。