基于时空动态检测的核电厂堆外中子探测器故障检测方法

在核电厂安全监控体系中,堆外中子探测器扮演着关键角色。然而,现有针对探测器的故障检测方法侧重于提取时序特征,以及采用固定阈值方式加以辨识故障,未充分利用探测器之间蕴含的空间耦合关系且缺乏灵活性。为此,该文提出1种针对堆外中子探测器的时空动态检测模型(STDDM)。该模型由时序卷积网络(TCN)、图卷积网络(GCN)和动态阈值3个模块构成。其中,将TCN和GCN模块相组合,用于提取探测器间隐含的时空关系以重构探测器信号。在此基础上,计算重构与真实信号间的残差,根据个体探测器的残差均值以及整堆探测器残差标准差,设计动态阈值检测策略,使模型能够自适应于反应堆运行工况的变化。通过某地区核电厂真实数据加以验证,所提STDDM不仅能实时且精准地重构探测器信号,而且在不同故障情况下依然具有较强的故障容错能力,证明其在核电厂堆外中子探测器故障检测中的有效性和实用性。

基于时空特征挖掘的特高压变压器热状态参量预测方法

热状态参量预测是特高压变压器绝缘老化评估及故障预警的重要技术方法。然而,现有预测方法侧重高维时间序列分析以构建数据驱动模型,未计及设备内部温度潜在的空间变化规律,为此,提出一种基于时空特征挖掘的特高压变压器热状态参量预测方法。首先,综合考虑多源数据间的相关度与冗余度,提出组合特征筛选策略寻找最优特征子集;其次,结合热状态参量的最优特征子集及相关系数,构建面向热状态参量预测的时空图数据;最后,建立双重自适应图卷积门控循环单元(dualadaptivegraphconvolutiongate recurrent unit,DA-GCGRU)模型,采用节点自适应模块强化油箱内不同部位温度变化趋势的拟合,以适应特定温升趋势;采用图自适应模块自主学习热状态参量的空间温度分布关联性,以推断空间映射关系。实验结果表明,该方法可深度挖掘特高压变压器内部温度的时空变化特性,准确预测绕组温度和顶层油温的变化趋势,具有较好的鲁棒性和泛化性。

基于分层有向图与动态时空相关性的小区域光伏超短期预测方法

小区域光伏发电功率准确预测,已成为高渗透多台区系统精准调控运行的技术瓶颈。目前光伏发电功率的预测方法缺乏对台区小区域内光伏集群效应的考虑,忽略了输入变量的内在因果关系以及动态相关性。针对于上述问题,提出一种基于分层有向图以及动态图卷积循环网络(dynamic graph convolutional recurrent network,DGCRN)的小区域光伏预测方法。首先,考虑出力数据与数值天气预报(numerical weather prediction,NWP)单向关系,生成具有因果联系的分层有向图。其次,依据节点属性在每个时间步生成动态图,与预先定义的静态图有机结合,以捕捉节点之间的动态时空相关性。最后,将具有动态时空相关性的图结构用于模型训练。以某个小区域台区29个光伏节点加以预测建模,实验结果表明,DGCRN模型具备捕获多参量间的因果规律和提取光伏功率的短期动态特征的能力,其在小区域多节点的光伏发电功率预测性能优越。

时空信息融合的堆芯自给能中子探测器 故障检测与隔离方法

自给能中子探测器(self-powered neutron detector,SPND)作为新一代核电厂的重要核测设备,其健康状态关乎反应堆安全运行。鉴于现有故障检测方法侧重于时域分析以构建数据驱动模型,未充分考虑SPND在堆芯内的全局空间耦合关系,为此,该文提出一种时空信息融合的堆芯SPND故障检测与隔离方法。首先,结合SPND运行数据与堆内探测器组件布局,构建面向SPND故障检测的时空图数据;其次,结合图卷积网络-门控循环单元(graph convolution network-gate recurrent unit,GCN-GRU)与故障隔离(fault isolation,FI)策略,设计SPND实时故障检测模型;最后,利用某地区压水堆历史监测数据与模拟故障样本进行算例分析,表明该方法可有效融合整体SPND的时空联合信息以重构个体SPND的电流信号,进而准确检测与隔离故障SPND,且具有较好的精确性和普适性。

基于最大互信息系数的低压光伏台区用户相序辨识方法

针对高比例分布式光伏接入低压台区所导致的用户相序难以准确辨识的问题,依托于高级量测体系获取的用电数据,提出一种基于最大互信息系数(MIC)的低压光伏台区用户相序辨识方法。根据低压光伏台区的拓扑结构对用电信息的空间特性进行分析,基于用户电压所确定的数学表达式,挖掘用户相序的深层物联信息;结合工程实际,采用时间序列筛选机制,选取用户电压序列和台区配电变压器低压侧三相电流序列,以此构建低压光伏台区用户相序辨识特征;针对传统相关性表征方法的不足,引入MIC对相序辨识特征的三相关联度分别进行度量,根据MIC的数值大小对用户相序进行判别;基于低压光伏台区的实际数据进行算例分析,验证所提方法的有效性与可靠性。

Stacking相异模型融合的实验室异常用电行为检测

针对当前高校实验室异常用电行为,提出一种基于Stacking相异模型融合的异常行为检测方法。考虑相异基学习器挖掘实验室用电行为规律的差异性,对相异基学习器进行优选。利用随机森林作为元学习器,充分融合相异基学习器的优势,弥补各基学习器的缺陷,构建基于Stacking相异模型融合的集成学习模型。通过算例对比分析,验证了基于Stacking相异模型融合的集成学习模型能有效提升单一分类器的异常检测效果,在准确率、F1分数、ROC曲线下面积和误检率上均优于Bagging、Voting、Adaboost等集成学习方法并能适应样本不平衡的情况。

采用HHT振动分析的低压断路器合闸同期辨识

利用振动信号辨识三相合闸不同期故障,应解决有效的振动信号消噪及其故障特征提取方法。提出一种希尔伯特-黄变换(HHT)的低压断路器振动信号分析方法,采用经验模态分解(EMD)有效地提取反映振动信号局部特性的本征模态函数(IMF)分量,以前5阶IMF分量表征振动信号特性且起到信号消噪作用。通过时域特征分析,得出振动信号的峭度和均方值可作为判别机械特性的辅助特征指标。提出前5阶IMF分量能量比及峭度、均方值为特征向量,建立粒子群优化径向基(PSO-RBF)神经网络的低压断路器合闸不同期故障识别模型。实验与仿真结果表明,基于单个传感器振动特性,综合采用时域分析、EMD分解、粒子群优化神经网络等人工智能的合闸同期性故障识别效果良好,为断路器故障尤其是三相合闸同期性振动分析提供了一种新的诊断方法。

负载端电弧故障电压检测与形态小波辨识

现有串弧故障的电流检测与辨识方法,其以电弧电流"零休时刻"、上升率突变或电流谐波分量等信号奇异性提取故障特征,存在受配电线路非线性负载额定工作、感性负载起动等的电流信号奇异性影响而误判。根据负载端电压不受配电线路正常运行电流信号奇异性影响的原理,提出负载端电弧故障电压的检测与辨识新方法,实验分析负载端电压检测不仅可获取串弧故障信号特征,且解决了现有电弧电流方法存在的可靠性问题。在建立形态小波电弧故障辨识决策函数模型的基础上,选用形态开滤波结合第四尺度小波变换函数,对6种负载端电弧故障电压检测实验与故障特征分析,给出负载端电压检测的电弧故障的小波分量判据阈值,其为正常状态各类负载第四尺度小波分量的10倍。

基于短路早期检测的中压故障电流快速限制技术

为了提高故障电流限制器(FCL)在中压系统中的性能,提出基于短路电流早期检测的故障限流技术。在建立中压配电短路故障仿真模型的基础上,提出利用Mallat多尺度分辨小波变换实现短路电流早期检测。以中压动态模拟系统为对象,验证了中压短路电流早期检测的有效性。以串联谐振型FCL为例,分析对比了基于常规短路判据与早期检测的故障限流效果;以断路器分断苛刻度为指标,分析早期短路检测对故障分断能力的影响。仿真分析表明,基于短路电流早期检测的故障限流技术性能良好。

基于深度卷积神经网络的输电线路防鸟刺部件识别与故障检测

电力铁塔上故障防鸟刺的及时检测,对于减少输电线路鸟害的发生,从而保障输电线路安全可靠运行具有重要意义。电力巡检图像中电力铁塔上的防鸟刺具有轮廓特征较不明显、部分重叠分布的特点给防鸟刺部件识别与故障检测研究带来一定挑战。针对所述防鸟刺特点,提出一种基于深度卷积神经网络的防鸟刺部件识别与故障检测方法。先利用锐化滤波器对电力巡检图像进行锐化处理;其次运用经过多尺度训练的YOLOv3目标检测网络框选并截取出经过锐化处理的电力巡检图像中的防鸟刺区域;最后利用基于Resnet152特征提取网络的防鸟刺故障检测器处理截取出的防鸟刺区域,实现防鸟刺故障检测。利用上述方法,实现电力巡检图像中的防鸟刺部件识别与故障防鸟刺检测,防鸟刺部件识别平均准确率为95.36%,故障防鸟刺检测准确率为92.3%。实验结果表明,所提方法能够有效实现电力巡检图像中防鸟刺部件识别与故障检测。

基于“边端协同”架构的台区短路故障定位技术

针对新型电力系统低压台区故障准确定位要求,开发了一种基于“边端协同”架构的低压台区短路故障定位技术。提出多层级短路故障定位的台区物联网架构体系,研究采用二阶最小二乘拟合算法的台区各层级物联终端短路故障检测方法;设计基于高速电力线宽带载波通信的故障定位通信协议,面向智能配变终端,提出基于台区拓扑结构的短路故障定位策略,并开展边缘计算及其硬件化技术实现。在此基础上,通过真型低压交流系统短路故障测试实验,验证了“边端协同”物联台区短路故障定位技术的有效性。

基于关联维数与极端学习机的高压输电线路雷击过电压故障识别

雷击造成输电线路跳闸是高压输电线路的主要故障。目前,雷击过电压故障主要采用行波技术加以雷击定位及数据记录,尚缺乏对雷击故障较为有效的智能处理技术。采用ATP-EMTP对雷击过电压的反击与绕击故障加以有效仿真,研究采用经验模态分解(empirical mode decomposition,EMD)与分形理论关联维数相结合的方法进行雷击过电压故障信号故障分析及其特征量提取,运用方差贡献率确定前4阶本征模函数(intrinsic mode function,IMF)分量用于体现故障过电压的主要特征信息。最后,引入极端学习机(extreme learning machine,ELM)建立高压输电线路雷击过电压故障的诊断与识别模型。仿真表明,在经验模态分解与关联维数相结合的高压输电线路雷击过电压故障特征提取的基础上,对击中杆塔、避雷线与三相输电线路的雷击过电压故障分别采用极端学习机实现了有效的识别。

低压断路器振动特性分析与合闸同期性研究

针对低压断路器的机械特性,采用小波分解法对其振动信号进行分析。根据电动操作机构及低压断路器合闸动作的时序关系,以驱动电机电流信号作为时间标识,有效地提取了合闸振动信号。提出小波包能量谱分析低压断路器合闸同期性研究,在小波包对振动合闸信号细节分解基础上,采用小波包重构提取合闸振动主频带信号特征,由此构造合闸同期性状态特征矢量,并应用BP神经网络建立三相合闸不同期故障的识别模型。在断路器基座横梁安装单个加速度传感器,实验模拟了DW15—1600低压断路器的四种同期性状态振动信号,仿真结果表明,本文提出的振动信号小波包能量谱与神经网络相结合的方法,可有效地分析低压断路器合闸同期性。

基于涡流斥力原理的低压控制与保护电器研究

开发一种结构简单和短路开断能力优异的交流控制与保护电器是低压开关电器的一个重要发展方向。该文提出一种新型低压控制与保护技术,采用双线圈盘涡流斥力机构取代传统低压交流接触器的电磁操动机构,可以实现低压电器的分合闸控制以及短路早期检测与快速分断的故障保护。首先,采用改进型人工生命算法对双线圈盘斥力机构的斥力盘厚度、线圈盘线径和匝数进行多参数综合寻优,获得了机构快速分断的优化参数。其次,依据优化参数设计样机并对其动态特性加以测试,验证了样机机构具备良好的动态特性。最后,将新型控制与保护电器样机应用于低压配电短路故障实验系统。结果表明,提出的低压控制与保护技术可有效实现短路故障电流的快速抑制与分断,为实现低压控制与保护集成提供了一种新思路。

含分布式电源配电网短路保护研究综述

含分布式电源配电网保护是新型配电系统安全稳定运行的关键技术。随着大规模分布式新能源接入配电网,传统的重合闸与电流三段式保护难以满足安全运行的需求,亟待研究适合新型配电网的继电保护技术。然而,现阶段配电网短路保护研究尚缺乏系统的总结与归纳,因此,针对含分布式电源配电网结构及保护要求,开展新型配电网短路保护研究综述。首先,介绍配电网短路保护配置,分析分布式电源在不同工作方式、不同接入位置及容量、不同类型电源等场景下,对配电网短路保护的影响。其次,基于现阶段国内外含分布式电源配电网短路保护与控制研究,对保护技术加以分析、归纳、总结。最后,结合配电网短路保护研究现状与分布式新能源接入需求,探讨分布式电源高渗透率下的新型配电网短路保护研究方向。

低压系统多层级短路电流早期检测与预测

从电源侧向终端侧的全范围延伸是当前选择性保护的技术方向。针对现阶段低压系统短路故障选择性保护的局限性,提出多层级全范围选择性协调保护系统技术概念,阐述实现新型全选择性协调保护的系统架构及其关键技术。在建立低压系统多层级单相短路故障实型实验系统及其仿真模型的基础上,分析全相角范围短路故障电流波形,阐述小波变换实现短路故障早期检测原理及其技术实现,并引入极端学习机研究短路故障早期辨识的电流峰值预测方法。仿真与实验验证了短路电流早期检测及其峰值预测的有效性,为低压系统多层级短路故障全选择性协调保护奠定理论基础。

基于动态测试技术的交流接触器性能评判系统

本文基于动态特性测试技术,开发交流接触器性能综合评判系统。针对交流接触器动态特性参数的数据特点,提出自适应模糊分级聚类方法,并以模糊分级聚类为基准,形成基于模糊聚类及神经网络的交流接触器综合性能评判系统。本文提出的理论与方法,对电器产品的研发样机与出厂产品检测,具有实际指导意义。

多目标动态优化高级遗传算法及其在智能化电磁电器设计中的应用研究

首次将遗传算法引入电磁电器设计领域，在全面阐述智能交流接触器优化设计问题的基础上，成功地形成了一种多目标动态优化高级遗传算法，并应用此算法对智能交流接触器结构及其控制参数进行优化设计，取得了令人满意的结果，显示了遗传算法在电器设计领域有着广阔的应用前景。

光机电电磁电器动态测试装置的研制

本文将计算机技术、传感器技术、电力电子技术与电器技术相结合 ,成功地研制出光机电电磁电器动态测试装置 ,实现了电器动态过程特性的实时检测。应用了软测量、数据融合以及模糊模式识别技术 ,解决了难以直接测量特性参数的软测量、电器动态测试过程中的疏失误差、以及电器性能的综合评估等问题。该装置目前已应用于智能化接触器的开发与研制中 ,为深入研究电器的实时最优控制 ,达到最优运行与大幅度提高其性能指标 ,起到了重要的作用。

涡流斥力快速操动机构改进型NSGA-Ⅱ多目标优化设计

针对低压交流断路器用涡流斥力操动机构多参数、多目标优化设计最优解集分布性问题,提出一种改进型NSGA-Ⅱ算法的多目标优化设计方法。首先,分析涡流斥力操动机构原理及建立操动机构有限元分析仿真模型,根据应用需求确定涡流斥力操动机构优化目标与优化变量。其次,采用循环拥挤度排序算法替代原有的拥挤度排序算法,以提升Pareto最优解集的分布性;采用基于反三角函数的自适应策略更新交叉变异概率,以提升算法的适应性;经ZDT系列函数测试,证明其具有良好的适应性和解的分布性。最后,利用改进型NSGA-Ⅱ算法对涡流斥力操动机构进行多目标优化,获取Pareto最优前沿,取得了较好的效果。