智能台区低压故障定位及主动上报方法研究

针对传统低压台区配电网故障诊断方法存在适用范围有限、模型复杂等问题,提出一种基于计算智能的故障诊断模型。基于实时PMU数据诊断电力故障,根据故障内容上报智能控制中心,设计一种改进的多目标进化算法求解多目标故障诊断模型。实验阶段,以一个故障区域电力系统接线模型为例,对所提模型进行验证。仿真结果表明,所提模型可以有效地克服单个或多个保护继电器故障的影响,从而高效确定故障组件。同时,通过交叉对比分析,所提模型故障识别平均准确率为0.9171。仿真结果进一步验证了所提模型的鲁棒性和稳定性。

基于多维赋权威布尔分布的智能电表可靠性评价方法

智能电表作为电力系统中的关键组成部分,用于测量和监控电能消耗,其可靠性是确保电力系统正常运行和供电质量的重要指标.该文提出一种基于多维赋权威布尔(Weibull)分布的智能电表可靠性评价方法,结合多维赋权分析得到各个影响因素的权重和威布尔分布模型拟合故障率,构建电表的可靠性函数,实现对智能电表可靠性的准确度评价.首先,提出多维赋权分析方法,将电表的多个关键指标进行权重赋值,以反映不同指标对可靠性的重要程度;通过专家调查和层次分析法(AHP)建立权重体系,为后续的可靠性评价提供依据.其次,引入威布尔分布模型计算智能电表的故障率和使用寿命,通过拟合电表数据与威布尔分布模型得到智能电表的可靠性函数.最后,使用不同的参数分布分析模型对智能电表的可靠性进行评估,并根据Anderson-Darling调整值选择最佳拟合分布.实验结果表明,基于多维赋权威布尔分布的方法能够更准确地评估智能电表的可靠性,且相比其他算法具有更好的预测性能和稳定性.

一种可解释人工智能(XAI)在测量设备故障诊断和寿命预测中的应用

基于人工智能算法的变压器故障诊断和寿命预测模型在提高准确率方面已经达到了很好的效果,但是仍存在泛化性能较低,对数据质量要求过高,判断结果无法解释等问题.该文基于DBSO-CatBoost模型,提出一种可用于故障判断解释的变压器故障诊断方法.该方法基于数据特征提取,采用差分变异头脑风暴优化(DBSD)算法对CatBoost模型进行优化和故障诊断.①对于数据预处理,引入比率法在原始数据中添加特征;采用基于可解释人工智能(XAI)的Shapley加法解释(SHAP)技术进行特征提取,并采用核主成分分析算法对数据进行降维.Shapley加法解释技术可根据特征贡献解码每个预测来帮助全局解释并评估预测结果.②将预处理后的数据输入到CatBoost模型中进行训练,并采用差分变异头脑风暴优化算法对CatBoost模型的参数进行优化,从而得到最优模型.③利用得到的优化模型诊断变压器故障并输出故障类型与预测结果.实验使用来自中国国家电网公司西北部某电网的真实数据评估该模型.结果表明:该文模型在不同故障诊断中的准确性最佳,平均准确率高达99.29%,证明该文方法可以有效提高电力变压器故障诊断的准确性和效率.

基于电力需求侧响应的主动配电网分布式发电单元优化调度

为了平衡主动配电网中可再生能源与负荷间的出力差值,降低预算成本和用户购电费用,研究提出基于电力需求侧响应的主动配电网分布式发电单元优化调度方法。以电力需求侧响应为前提,设定分布式发电单元优化调度优先级,结合以主动配电网发电成本费用总值最低为目标而建立的目标函数,设置主动配电网调度周期内所有时间段的节点电压、潮流方程、储能系统荷电状态以及柔性负荷的功率极限约束条件,并以此为基础构建主动配电网分布式发电单元优化调度模型。最后,再利用改进后的粒子群算法对模型进行求解,从而得到最终的优化调度结果。实验结果表明,所提方法可以有效平衡可再生能源与负荷之间的发电出力差值,既提升了主动配电网对可再生能源的消纳能力,也降低了发电预算开支和用户购电成本。

变频感应加热炉电网频率波动下低压智能断路器过流保护控制

电网频率波动会导致电流波形在短时间内发生变化,从而影响过流保护控制的响应速度。为了保障电网频率波动下低压智能断路器过流保护控制的稳定可靠性,提高变频感应加热炉电力系统的保护性能,提出变频感应加热炉电网频率波动下低压智能断路器过流保护控制方法。利用PCL-818L数据采集卡,采集变频感应加热炉供电系统中的电压电流信号;通过强化学习Q-Learning算法,消除信号中的电网频率波动,提高断路器的稳定性;采用引入滑动时间窗口的三段电流保护方法,实现低压智能断路器的过流保护控制。实验结果表明,所提方法能够在有效消除电网频率波动干扰的情况下,提高断路器过流保护控制精度、效率以及稳定性。

基于微光纤Sagnac环的可切换多波长掺铒光纤激光器

提出了一种基于微光纤Sagnac环的可切换多波长掺铒光纤激光器。微光纤Sagnac环梳状滤波器是由一个腰区直径为5.68μm的微光纤耦合器熔接一段5.5 cm的保偏光纤而成。将该滤波器熔接到光纤环形腔中,通过调节偏振控制器,实现了四波长激光输出。此外还分别实现了稳定可切换的单、双、三波长激光输出,且双波长和三波长激光的输出间隔可调谐。实验结果表明,所有输出激光光谱的3 dB线宽均小于0.027 nm,边模抑制比均大于40 dB,最大可达到58 dB。对输出三波长的激光进行稳定性测试,其在1 h内波长偏移量小于0.028 nm,峰值功率波动量小于0.9 dB。该激光器单色性好、稳定性好,可应用于波分复用及全光通信系统等领域。

基于新型的微纳光纤可调光衰减器的理论研究

研究了一种新型的微纳光纤可调光衰减器,在此基础上设计了微纳光纤探针式耦合器的模型。该模型通过将锥形光纤探针放置于锥形光纤的锥腰位置,并通过调节探针和锥形光纤之间的夹角实现不同的光衰减度。基于耦合波理论和锥形光纤的模场分布特性,分析了耦合比与探针耦合角度之间的关系。模拟结果表明:当耦合角度为30°时,可得到耦合比为50%∶50%的光衰减器;同时,通过调节锥形光纤探针与微纳光纤的耦合角度可以调节衰减器的输出耦合比,随着耦合角度增大,耦合比增大,两者呈近似线性关系。利用此结构的光衰减器能够较理想地调节或控制光信号,可降低光纤衰减器的复杂程度和成本。

故障智能诊断设备与方法在集抄运维中的应用

在低压自动抄表系统中,会出现不同原因引起的设备故障问题,集抄设备发生故障对整个抄表系统的抄表效率会带来较大的影响。要求运维人员能够快速及时确认故障原因,进行故障设备维护,提高集抄系统的采集成功率,使集抄系统运行更加稳定。采用集抄通信故障智能诊断设备能够提高运维人员的故障排查效率,故障信息库的建立有助于对故障成因进行分析与分类,将故障诊断设备与采用人工智能算法的故障诊断系统相结合使用对现场故障问题的解决实施有针对性的处理方案,提高运维质量。

基于光纤激光环形腔的高频微弱振动信号检测系统

提出了一种基于光纤激光环形腔实现高频微弱振动信号检测的全光纤振动检测系统。将保偏光纤通过熔融拉锥技术拉锥形成具有多通道梳状滤波特性的微光纤马赫-曾德尔干涉仪(MMZI),通过和光纤激光环形腔系统结合,在200~20000Hz的范围内实现了对声源振动信号的动态响应,噪声极限最小检测压力为6.44mPa·Hz^(-1/2)。相对比于未接入光纤激光系统的声音频率响应范围为200~4000Hz,灵敏度为29.36mV·Pa^(-1),接入激光系统后声音频率响应范围扩大了近5倍,灵敏度提高了6倍,为宽频带声音检测系统以及微小光信号检测技术提供了一种行之有效的方法。

低压集抄通信故障检测装置设计

为进一步提高运维人员对集抄系统通信故障问题的处理效率,文中针对现场运维人员需要检测的故障模块以及需要确定的故障原因进行分析,设计低压集抄通信故障检测设备。该设备高度集成不同厂家载波模块的设计方案,能够实现对集抄系统中不同厂家单/三相载波模块、路由模块等硬件故障检测、通信故障信息检测。

基于分布式平台的低压电网负荷监测模型研究

由于城市用电规模逐渐加大,要求有能适应现代城市需求的电网监测方法对电网进行全天候的安全监测。采用了电压结合频率的电路控制技术,以此为基础建立了低压逆变器模型,对电网模型的年负荷数值进行了预测。对比了改进前后2种控制策略下微电源电压稳定性,得到了基于改进后压力流量-电压频率(PQ-Vf)控制策略和采用电网逆变器建立的低压微电网模型。分析了负荷频率和电压幅值,得出该模型具有频率负荷震荡幅度小、电源电压稳定的特点。分布式平台建立的低压电网负荷监测模型适用性强。建立的低压电网监测系统为各类用电系统的安全管理提供了理论支撑,为电力企业的性能测试提供借鉴。

基于支持向量机的多回路关口电能表在线监测方法研究

根据多回路关口电能表监测的多通道采样连续性,采样信号的多特征及其耦合性,提出一种基于支持向量机的多回路关口电能表在线监测方法,该方法分别设计了基于监测系统的信号采集单元、数据通信单元、数据处理单元及上位机显示单元,搭建了电能表的多个故障缺陷模型,通过信号采集单元将缺陷模型的三相电流及电压实时数据传送给数据处理单元,数据处理单元对收集的数据进行基础运算后形成对应的有功功率样本数据,并对其进行小波包能量谱离线分析后形成故障特征池,构建了基于支持向量机算法的多分类支持向量机模型并将得到的模型内嵌于上位机显示单元,监测系统运行时上位机显示单元直接基于模型的关联规则,与转换后的采样信息进行特征匹配,实现对电能表运行工况的实时监测。经实例验证结果表明该方法能够实时、准确的对多回路关口电能表进行在线监测,具有较强的应用价值及前景。

FT3到IEC61850-9-2协议转换装置研究

本文提出并设计了一种智能变电站数字化计量测试用的FT3到IEC61850-9-2协议转换装置。该装置可接收IEC60044-8标准中规定的FT3信号,并将其转化为符合IEC61850-9-2标准的数字报文信号,供给数字化计量测试设备使用。

一种基于自适应RNN的居民异常用电行为智能检测方法

针对目前居民用电异常行为识别时存在效率低、性能差问题,提出了一种基于自适应循环神经网络(recurrent neural net⁃work,RNN)的异常用电行为识别模型。设计了一种合成少数过采样技术和编辑最邻近(synthetic minority oversampling tech⁃nique-edited nearest neighbor,SMOTE-ENN)重采样方法,增加不平衡数据集的分类性能。建立了自适应RNN检测模型,使用批量归一化RNN作为基础学习器,并结合超参数优化和缓冲区来动态调整(batch normalized recurrent neural network,BNRNN)模型。实验阶段,经过改进的SMOTE-ENN重采样后,模型分类效果大幅度提升。同时,实验验证了具有缓冲和超参数优化的所提自适应RNN模型具有最低的平均绝对误差,表明所提模型具备较优的泛化能力。试验结果验证了所提模型的实用性及优异性能,该模型可为异常用电行为检测的发展提供一定借鉴作用。