对有关电能计量若干问题的思考

文中基于论证和较全面分析,就不同场景下电能计量所关注的截然不同的问题、更好利用大数据去构建电能表检验新方法、动态电能计量研究面临新挑战、关注超谐波电能计量、不宜将电能计量装置与电能表简单划等号,以及测量准确度不同于测量精度等六个问题,阐述了作者的观点和认识,旨在对开展相关研究,以及更清楚理解相关测量方法及概念等起到促进作用。

YOLO网络配电网故障选线方法

针对现有的配电网故障选线困难的问题,提出一种基于YOLO网络的配电网故障选线方法。首先,使用三相电流构建极坐标二维图像,充分提取特征信息;之后,对各线路三相电流的极坐标图像进行像素级融合,并以不同颜色区分,在进一步加强图像特征的同时,降低原始图像的冗余度;最后,使用YOLO神经网络对融合图像进行特征提取,训练得到最优的模型文件,利用该模型实现故障选线。将该方法与现有的故障选线结果进行对比,结果表明,该方法选线准确率可以达到99.95%,选线时间12.9 ms,明显优于其他故障选线方案,且该方案不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网故障选线的准确度和可靠性需求。

基于多阶段递推数据分析的低压台区窃电检测方法

窃电行为不仅会扰乱正常用电秩序,更会影响电网的供电质量和安全运行。针对窃电检测工作中所面临的用户正常用电行为与窃电行为多样化问题,该文提出一种基于多阶段递推数据分析的低压台区窃电检测方法。该方法第1阶段对嫌疑窃电台区进行判定,针对当日线损不是明显激增的情况,提出基于台区线损综合波动率、总分表电流差异率、线损和电流曲线的突变点时间重合度的三步分析法,为窃电嫌疑用户的检测提供了良好的条件;第2阶段提出基于最优特征集的时间序列相似性度量方法,基于欧氏距离度量曲线间数值特征,同时基于动态时间规整(dynamic time warping,DTW)算法度量曲线间的形态特征,实现窃电嫌疑用户的初步筛选;第3阶段提出基于核函数和惩罚参数优化的支持向量机二次深度检测模型(optimize kernel-function and penalty-parameters support vector machine,OKPSVM),其中惩罚参数采用综合改进的粒子群(improved particle swarm optimization,IPSO)算法。通过算例仿真和实际工程应用,整体优化后的支持向量机模型(IPSO-OKPSVM)能够提高深度窃电检测的精准性和适用性。

复杂电能信号谐波时频域特征分析及其对电能计量影响

为准确分析复杂电能信号谐波时频域特性对电能计量的影响,提出了一种零值搜索-短时傅里叶变换时频域电压、电流信号幅度和相位分析算法,利用信号波形过零特征,自适应调整短窗傅里叶变换的时域窗宽,解决了电网频率波动导致的相位累积效应对相位分析的影响,算法的幅值分析误差为10-3、相位分析误差小于1°;建立了复杂电能信号时频域数据表征模型和4类时频域全局化特征矩阵提取算法,解决了时频域特性表征与提取的问题;以典型非线性动态负荷中频炉为分析案例,分析给出了其4类时频域全局化特征,并建立了畸变波形动态电能测试信号特征模型,通过辅助实验验证了4个时频域全局化特征对电能表动态超差的影响,提出了对国际和国内标准修改的建议。

考虑[火用]损失的三联供系统容量配置与运行模式研究

节能减排一直是世界各国持续关注的热点问题,综合能源三联供系统因其具有更高的一次能源利用率而被广泛应用。针对综合能源三联供系统的容量配置和运行模式规划问题,提出考虑[火用]损失的综合性能指标作为优化的目标函数,从高效、低碳、经济三个方面进行综合优化。以燃气轮机的容量和运行模式为设计变量,建立综合能源三联供系统容量配置与运行模式研究模型。将此方法应用到某宾馆建筑的联供系统进行分析,研究结果为:燃气轮机的最佳容量为200 kW,热电结合是最优的运行模式。在该模式下综合能源三联供系统较传统供能系统[火用]损失率降低3.5%,年综合碳排量减少593.7 t,年经济成本节约29.8万元。该方法能够全面、客观地分析某容量、某种运行模式下的系统性能,为解决联供系统的运行规划问题提供参考。

云边端协作的架空线路鸟巢检测与定位算法研究

针对云端单一集中数据处理时效性低、架空线路上鸟巢检测精度不高、模型对边缘计算设备算力高消耗以及目标定位不准确的问题,提出了一种基于云边端协作的架空线路鸟巢检测与定位算法。该算法通过云、终、边缘3端的协作,解决了云端集中处理效率低的问题,并通过云边数据可视化协作解决由于角度及光线引起的图像不清晰问题。为了提高架空线路鸟巢检测的精度,该算法在YOLOv5x模型基础上进行了优化。首先,通过将主干特征提取网络中的C3模块替换为C2f模块,并在最后一层加入SE(squeeze and excitation)注意力模块,以提升模型对小目标的检测能力。其次,将激活函数替换为Mish函数,解决训练梯度饱和导致神经元停止学习的问题。为了降低模型对边缘计算设备算力的消耗,对改进后的模型进行剪枝微调以降低模型参数规模。基于此优化模型,提出了三维目标定位算法,结合GIS(geographic information system)系统对定位结果进行修正,实现了对检测目标的精准定位。实验数据显示,改进后的模型平均精度均值达到93.25%,比原YOLOv5x模型提升了3.44%,优化后的模型剪枝率达到45%。检测目标经过三维空间建模计算并通过位置修正能够定位到相应的杆塔,有效指导工作人员快速准确排除隐患。

遗传神经网络下光伏功率高比例异常数据检测

在天气、设备以及多个因素的影响下,大部分光伏功率易出现异常。因此,该文提出基于遗传神经网络的光伏功率高比例异常数据检测方法。分析光伏功率高比例异常数据聚集特征,并利用遗传神经网络架构确定光伏发电条件概率分布。结合最小化估算区间原理,在确定高比例异常光伏概率分布情况下,估计光伏概率所在区间。利用遗传算法调整神经网络权值,确定神经细胞异常分数以及离群点异常分数平均值,从而判断当前数据是否为高比例异常数据,并得到光伏功率高比例异常数据检测结果。实验结果表明,该文方法能够有效检测出异常数据,误差小,实际应用效果好。

基于有限元的传输线接头及波导波长仿真实验设计

电磁场理论是公认的难教、难学和难用,电磁场实验是学生认识电磁场应用的一个窗口。引入有限元现代仿真工具Maxwell及HFSS,通过图形图像诠释抽象的矢量方程。以高压传输线为例,基于Maxwell仿真接头电场分布;以矩形空气波导传输线为例,基于HFSS分析电磁场的周期性分布。实验以解决电磁场问题为依据,通过理论分析、建模仿真和实际操作形成完善的电磁场实验经历,培养学生利用电磁场理论进行分析和解决问题的能力,提升学习兴趣和工程实践能力。

基于多阶有源带通滤波器和在线相关系数的负载在线智能识别

从时域建立了负载在线识别的数学模型,识别任务由硬件和算法共同承担。采用多阶有源带通滤波器进行硬件预处理,从而将功率相差很大的负载信号转换成可以在同一个条件下采集的电压信号。从皮尔逊相关系数出发定义了在线相关系数,将其作为唯一的时域特征参量,并提出“在线相关系数逐渐增大并最终等于1”的判决准则。利用最大值首位对齐法和均值法进行数据处理,采用逐次比较法和筛选法相结合进行识别。实验数据表明:基于带宽为340~900 Hz的五阶有源带通滤波器和STM32处理器中的在线相关算法很好完成了功率相差1500多倍的电磁炉、电饭煲、笔记本电脑、小灯泡等4种负载的任意在线组合的智能识别。

一种虚拟同步发电机自适应阻尼补偿方法

针对系统电感对虚拟同步发电机控制系统存在等效负阻尼效应的问题,提出了一种自适应阻尼补偿方法。首先,基于虚拟同步发电机控制技术,通过dq变换和小信号分析建立系统的动态电磁方程和动态小信号模型。然后利用电磁转矩偏差分解出同步力矩系数和等效阻尼系数。最后根据等效负阻尼的产生机制,在有功-频率调节器中加入以系统频率、虚拟阻抗为自适应控制变量的阻尼补偿模块,实现对虚拟同步发电机阻尼的自适应补偿。通过MATLAB/Simulink仿真,并与基于传统的虚拟同步发电机控制方法及基于虚拟阻抗补偿方法等方法所获得的结果进行比较,表明文章所提出的自适应阻尼补偿方法具有更强的稳定性和更快的响应速度,验证了方法的有效性。

RFID电缆中间接头无线无源湿度监测

针对电缆中间接头受潮导致的运行故障问题,提出一种基于13.56 MHz RFID技术的无源湿度监测方法。该文利用HFSS建立传感器模型,调整天线匝距使天线达到理想状态,并对天线进行谐振匹配;然后研究传感器天线在水中的传输效果及存在金属屏蔽层时金属对天线性能的影响;最后将所设计的传感器放置于中间接头内部进行性能测试。结果表明:天线匝距为0.6 mm时传感器性能最佳;在天线外部增加47μH电容可实现13.56 MHz谐振匹配;传感器天线在水中的传输效果良好;加装金属屏蔽层可解决路径上金属对传感器信号传输的抑制作用;实际测量距离可达到8.2 cm、相对湿度测量误差最大为0.48%,最大波动幅度仅为0.3%,传感器长期处于高湿度环境仍能准确测量。该方法可实现电缆中间接头内部湿度的直接、快速及无源测量,对防止电缆受潮具有一定的参考意义。

融合稳态和暂态特征量的接地故障选线方法研究

单相接地故障是配电网运行时发生概率最高的故障,但接地时存在电气故障特征弱、外界干扰大的情况,使得配电网存在接地选线困难的问题。对此,提出基于稳态和暂态故障特征量相融合的配电网接地选线方法,分析单相接地时接地故障线路与非故障线路对地电容电流突变量五次谐波分量在幅值和相位上的差异性,利用经验小波变换提取故障零序电流的低频分量综合相关系数和高频分量相对权重系数,并利用模糊神经网络实现融合特征量与故障的非线性映射诊断。建立配电网接地故障仿真模型,通过多重干扰下的选线对比分析,验证了本文方法的有效性和优越性。

多采样频率合并单元设计与实现

国内智能变电站推广使用的合并单元装置普遍采用4 kHz采样频率,可以满足间隔层保护测控的需求;电能质量或PMU等对采样频率有更高的要求,通常要求12.8 kHz或者更高频率。对此,提出一种共口传输多采样频率数据的方案,采用一个合并单元装置满足变电站不同专业的采样需求。测试表明,该方案适用于组网方式,对于帧间隔及延时要求不高的场合,减少了采集装置数量,提高了采样数据的共享性。

基于最优控制理论的国产光抽运小铯钟频率控制算法

原子钟频率控制是时间保持工作中的关键技术.当前守时工作中的频率控制主要针对国外微波钟采用开环控制算法,但由于国产光抽运小铯钟(下称国产钟)的工作原理和性能不同于国外同类型原子钟,因此该算法不能很好适应国产钟.为了提升我国标准时间的自主性和安全性,本文基于国产钟的噪声特性,在最优控制理论的框架下研究了线性二次高斯控制算法,该算法属于闭环控制算法,从同步时间、频率控制准确度和频率控制稳定度方面研究国产钟性能,最后分析了不同控制间隔对国产钟性能的影响.结果表明随着二次损失函数中约束矩阵W_(R)的增大,同步时间延长,控制准确度降低,控制短期稳定度提高.W_(R)相同情况下,随着控制间隔的增大,同步时间延长,控制准确度降低,控制短期稳定度提高,对于W_(R)=1时,控制间隔为1 h的同步时间为5小时,控制准确度为1.83 ns,1 h的Allan偏差为1.81×10^(-13);控制间隔为8 h的同步时间为28 h,控制准确度为4.48 ns,1 h的Allan偏差为1.48×10^(-13).控制国产光抽运小铯钟的中长期稳定度都得到提高.

基于高倍过采样与加窗插值FFT的电力谐波分析

为提高谐波分析精度,分析了信号加窗引起的信噪比损失以及AD转换产生的量化误差,阐述了过采样技术提高信噪比的原理。在此基础上,提出了基于高倍过采样和加窗插值快速傅里叶变换(fast Fourier transform, FFT)的谐波分析方法。该方法充分利用AD转换器的潜力,以尽量高的采样速率进行AD采样,同时通过均值滤波避免高倍过采样引起的采样数据量激增问题。详细研究了所提谐波分析方法对信号中谐波分量幅值和相位的影响,并给出了简洁实用的谐波幅值和相位校正方法。仿真表明,所提方法可在不增加系统成本的前提下改善加窗插值FFT的抗噪声能力,提高谐波分析精度。

复杂动态负荷幅度域波形模态聚类与电能表误差敏感特征

针对复杂动态负荷游程波形模态及引起电能表误差的典型特征认识不足的问题,首先提出动态电流信号幅度域游程波形模态提取算法,提取了多种幅度域毫秒级小颗粒度游程波形模态;其次,提出LK-Shape游程波形模态聚类算法,提取了动态电流信号幅度域的6类典型游程波形模态及其快速变化特征;最后,提出导致电能表超差的两种敏感游程波形模态,并通过实验验证了该游程波形模态适于测试电能表误差,表明了所提方法的有效性和实用性。

基于改进经验模态分解的直流串联电弧故障检测

针对直流系统中存在强噪声干扰时串联电弧故障检测准确度较低的问题,提出一种基于改进自适应噪声完备集合经验模态分解和模糊k均值聚类相结合的直流串联电弧故障检测方法;首先运用改进自适应噪声完备集合经验模态分解方法分解回路电流信号,得到多个本征模态函数;然后计算各本征模态函数的Hurst指数值以区分噪声分量和有用分量,将Hurst指数值大于0.5的有用分量进行重构;最后计算重构信号的峰峰值特征量和模糊熵特征量以构建特征向量作为模糊k均值聚类的输入,通过聚类中心的不同位置识别正常与故障状态。仿真与试验结果表明,所提出的方法区分系统正常与故障状态准确度为100%,区分系统干扰与故障状态准确度为93%,能有效识别直流串联电弧故障。

基于非接触式电压测量的电压监测系统

非接触式电压测量方法不直接与线路的金属导体部分接触,能适应多种应用场景的电压监测。设计一种利用改进的非接触式电压测量技术对线路电压进行测量并将测量得到的电压波形用于线路故障电压诊断的系统。对传统的非接触式电压测量技术进行拓扑分析并对测量电路拓扑进行改进,能够不受耦合电容影响并准确地测量线路上的电压。由于目前单一的故障特征提取方法具有局限性,为了利用由非接触式电压测量技术测量得到的电压波形实现准确地对线路故障电压进行识别诊断,提出了基于集成学习的故障电压状态识别系统,利用多种特征提取方法提取非接触式电压测量得到的电压波形特征,其识别结果用于对线路故障进行预警和处理。针对该电压监测系统,设计了测量精度和故障识别测试,得到稳态平均误差为0.9%,故障识别准确率最高可达到93%,表明该电压监测系统具有较高的精度和故障识别准确率。

基于加强灰狼优化VMD-DBN的变压器故障检测

针对当前在线识别变压器运行状态困难、低效的问题,通过提取箱壁的振动信号,提出了基于加强灰狼优化变分模态分解(Variational Mode Decomposition,VMD)深度置信网络(Deep Belief Network,DBN)的检测方法。首先,利用加强灰狼算法以能量误差为适应度函数,优化VMD的重要参数(分解层数k和惩罚因子α),然后分解计算各本征模态分量(Intrinsic Mode Functions,IMF)的能量标值,组成特征数据集,用来表征变压器运行工况。最后使用深度置信网络对特征数据集进行反复学习训练,形成故障诊断模型对变压器状态进行识别。通过实验对比分析VMD能更好地提取信号中有效的特征,提高识别的精准度,同时DBN相较于其他两种经典识别算法,抽象能力更好,学习的能力更强,稳定性更高,能准确识别变压器正常、绕组辐向形变、绕组轴向形变、铁芯故障四种状态。加强灰狼优化VMD-DBN的状态识别率达到了97.45%,均值误差为0.37,相比于其他方法效果最佳。因此,所提方法具有一定的实用价值。

基于一种新型正弦幅值积分器的谐波检测方法

针对基于瞬时无功理论的ip-iq谐波检测法结构复杂、响应速度慢等问题,提出了一种采用改进正弦幅值积分器结构的谐波电流检测方法。首先,利用二阶广义积分器的输出滤波特性及正弦幅值积分器的极性选择特性,使其相结合构造出了一种滤波性能更强,同时具有频率及极性选择作用的新型积分器。然后,利用该积分器快速准确地提取基波正序分量,并有效应用于谐波检测环节中。当电网电压存在直流偏置问题时,该积分器所构造的锁相环也能准确锁定电网频率及相位信息。最后,理论分析及仿真实验结果表明:该方法无需进行瞬时对称分量分离,就可提取出电网电压及负载电流基波的正负序分量,计算量小,谐波检测更精确。