基于ISSA-HKLSSVM的浮选精矿品位预测方法

针对浮选过程变量滞后、耦合特征及建模样本数量少所导致精矿品位难以准确预测的问题,提出了一种基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混核最小二乘支持向量机(Hybrid Kernel Least Squares Support Vector Machine,HKLSSVM)的浮选过程精矿品位预测方法.首先采集浮选现场载流X荧光品位分析仪数据作为建模变量并进行预处理,建立基于最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的预测模型,以此构建新型混合核函数,将输入空间映射至高维特征空间,再引入改进麻雀搜索算法对模型参数进行优化,提出基于ISSA-HKLSSVM方法实现精矿品位预测,最后开发基于LabVIEW的浮选精矿品位预测系统对本文提出方法实际验证.实验结果表明,本文提出方法对于浮选过程小样本建模具有良好拟合能力,相比现有方法提高了预测准确率,可实现精矿品位的准确在线预测,为浮选过程的智能调控提供实时可靠的精矿品位反馈信息.

耦合蒸汽压缩与储热的燃煤热电联产机组调峰性能研究

为降低调峰期间的能耗水平,该文提出热电联产机组与蒸汽压缩储热系统耦合的技术方案,该方案是从汽轮机中压缸排汽中抽出部分蒸汽,利用多级压缩机对抽汽进行压缩,利用储热装置对压缩过程中蒸汽进行冷却,储热装置所储存的热量可用于加热再热蒸汽或锅炉给水。该文建立热电联产机组耦合蒸汽压缩储热系统以及耦合电锅炉储热系统的调峰性能计算模型,并以某350 MW超临界燃煤热电联产机组为例进行性能计算。结果表明:在机组本身负荷保持在50%额定负荷甚至更高情况下,耦合两种系统的机组供电功率均可大幅降低,能够低于35%额定负荷;在机组耦合蒸汽压缩储热系统后,相比较机组50%额定负荷的能效指标,综合热效率提高7.38%。

多目标优化时域卷积神经网络的窃电行为高准确检测算法

随着当前用户用电行为的多样性及窃电行为隐蔽性的增加,窃电检测检出率高的同时误检率也增加,致使现有算法难以满足高准确窃电稽查的工程实际需求,对此该文提出多目标优化时域卷积神经网络的窃电行为高准确检测算法。首先基于时域卷积神经网络构建深度模型,引入侧输出融合结构提取用户用电信息的高低维特征,并通过注意力机制进行特征融合,提高模型窃电检测准确率;然后通过两阶段训练模型参数,第一阶段基于传统梯度下降算法优化模型权重与阈值,第二阶段基于窃电检测的混淆矩阵建立准确率、检出率与误检率3个维度的目标函数,采用第三代非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅲ)进行模型优化训练,提高窃电检出率并降低误检率,据此建立多目标优化时域卷积神经网络的窃电行为高准确检测算法,并开发窃电检测实验平台实际验证所提算法;最后通过电网实测数据与实验平台验证,结果表明该文所提算法在降低误检率的同时提高10%检出率,比现有算法检出率提高同时误检率降低,更符合当前工程应用高准确窃电的检测实际需求。

“智能仪器”课程思政探索与实践

为全面落实“立德树人”根本任务,获得知识传授与价值引领齐头并进的培养效果,探索适合课程内容与知识特点的课程思政教育模式,通过优化教学团队、丰富课程资源、修订课程标准、设计典型案例、改革教学方法、完善考评体系,多措施积极推进课程思政实施,将工匠精神、“四个自信”、家国情怀、团队协作、工程伦理、终身学习等思政元素自然、巧妙地融入课程知识传授,以达到立德树人,“润物无声”的教育学效果。

基于变分模态分解和复合变量选取的短期负荷预测

精准的短期负荷预测是实现电网精益化运行和管理重要保障,但存在短期负荷波动性强、负荷预测关键影响因素选取困难等精准预测难题。利用变分模态分解将原始电力负荷数据分解为多个子序列,挖掘短期负荷波动特征的同时避免模态混叠问题,提出复合变量选取算法分析筛选影响负荷波动的关键因素,有效去除预测干扰信息并进一步简化预测模型的复杂度,通过兼顾数据短期依赖和长期依赖的长短时记忆神经网络对各子序列进行预测,并将各子序列预测结果进行叠加实现最终的短期负荷预测,据此建立基于变分模态分解和复合变量选取的短期负荷预测方法。选取2019年整年长沙市实际数据验证结果表明,提出算法在复杂外部影响因素下,能准确筛选负荷预测的关键影响因素,相比传统预测模型,提出模型结构更简单、预测精度更高。

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。文中首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,文中提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。

浮选液位测量用高精度差分恒流源设计与优化

矿浆浮选液位测量作为选冶生产的关键环节,其测量系统中恒流源的准确性和稳定性直接影响最终产品质量。针对现有恒流源电路输出精度低、高频特性及带负载能力差等缺点,设计了一种新型高精度差分恒流源电路,通过在反馈回路和负载两端引入补偿电容,优化电路的高频特性,减小输出信号相移,并采用浮地接入负载,优化电路的负载特性,据此提高电路输出阻抗和带负载能力,最后完成对电路的仿真和实际测试。实际测量结果表明,所设计的新型恒流源在0~4 kΩ范围内实现100 Hz~50 kHz可调、0~20 mA恒流的效果更好,电路频率特性和负载特性显著提高,最大相对误差分别为0.513%和0.378%,满足矿浆浮选工业现场液位高准确测量的实际需求。

基于CT-GAN的半监督学习窃电检测方法研究

针对电网公司获取有标签数据成本高、难度大,而获取的无标签数据难以训练有效窃电检测模型的问题,提出了在少量有窃电标签数据场景下基于联合训练生成对抗网络(Co-training Generative Adversarial Networks, CT-GAN)的半监督窃电检测方法 .首先,探究了生成对抗网络及半监督生成对抗网络的原理与结构.其次,提出了采用Wasserstein距离取代JS(Jensen-Shannon)散度和KL(Kullback-Leibler)散度距离以解决生成对抗网络因梯度消失和模式崩溃原因导致的模型训练不稳定和生成数据质量低的问题,并构建了多判别器联合训练模型,避免了单个判别器分布误差高的问题,同时增强了GAN生成标签样本数据的能力,通过扩充标签样本数据集,提升了模型检测准确度和泛化能力.最后,采用爱尔兰电网数据集验证了该方法的准确性和有效性.

凯塞窗插值FFT的电力谐波分析与应用

采用矩形窗、三角窗等基本窗函数和广义余弦窗函数对信号加权可减少非整数周期截断造成的频谱泄漏和栅栏效应的影响,但其效果受到窗函数固定旁瓣性能的制约。通过分析凯塞(Kaiser)窗函数的主瓣与旁瓣衰减可自由选择的特性,提出基于Kaiser窗插值快速傅里叶变换(fast Fourier transform,FFT)的电力谐波分析方法,建立奇次、偶次谐波求解的数学模型和实用的插值修正公式,推导信号基波与各次谐波频率、幅值、初相角的计算式。仿真和实测结果表明,Kaiser窗插值FFT方法设计实现灵活、抑制频谱泄漏效果好,据此研制的三相多功能谐波电能表的基波有功误差≤0.2%,基波无功误差≤1%,2～21次谐波分析满足GB/T14549—1993的A类谐波测量仪器要求。

基于GOA‑SVM的光伏阵列故障诊断方法研究

光伏阵列输出功率随机性、波动性强。如果其发生故障,将严重影响电力系统安全与稳定。针对当前光伏故障诊断的准确率低和收敛速度慢的难题,提出一种基于蝗虫算法-支持向量机(grasshopper optimization algorithm‐support vector machine,GOA‐SVM)模型的光伏阵列故障诊断方法。首先,建立光伏阵列等效电路模型,分析光伏阵列的伏安曲线变化特性;其次,考虑环境影响因素和光伏阵列规模非线性变化,提取反映不同故障特性的特征量,将数据映射到高维空间进行非线性处理;最后,提出蝗虫算法(grasshopper optimization algorithm,GOA)优化非线性支持向量机改进方法,建立GOA‐SVM光伏阵列故障诊断模型,并结合实例进行仿真。研究结果表明:该方法可应用于多种不同规模的光伏阵列模型,且均能实现对光伏阵列故障的有效诊断,其对4×3光伏阵列规模的数据仿真分类准确率可达99.8088%。采用美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)公开数据集进行验证,其故障诊断准确率达到92.3682%。与其他方法相比,该方法的召回率及F1‐Score均有明显提升。

电缆接头温度反演及故障诊断研究

为间接测量得到电缆导芯温度、预防电缆接头故障,建立了电缆接头2阶和1阶暂态热路简化模型,提出了一种电缆接头导芯温度的反演算法,推导得出导体实时温度。同时,通过参数辨识对电缆接头进行在线监测并得到故障诊断结果。结果表明,建立的电缆接头2阶和1阶暂态热路模型可有效简化反演计算,进而通过电缆接头外皮和金属护套温度反推出导体温度,且所得反演结果与实测结果相符。此外,根据辨识参数相对正常运行状态时的变化情况,可判断出电缆接头是否存在故障隐患以及是何种故障。

改进能量算子Nuttall窗频谱校正的闪变测量方法

电压闪变已成为当前电力系统的重要污染,如何在复杂环境参数下实时提取闪变包络参数、准确统计闪变值是当前电能质量分析中的难题。分析了复杂闪变包络实时提取误差,构建了改进Teager-Kaiser能量算子包络提取误差修正因子,采用Nuttall窗加权修正能量算子提取结果,再将修正结果进行改进FFT谱分析与校正,推导出电压闪变包络提取的各幅值和频率的修正算式,简化IEC推荐的闪变测量过程,提出并建立了基于改进Teager-Kaiser能量算子Nuttall窗频谱校正的闪变包络实时提取与闪变值计算方法,据此研制了基于ADS8556+TMS320C6745架构的电压闪变在线检测仪。仿真分析和试验结果表明,本文提出的算法能有效克服单一调幅波频率变化、多频率调幅波、电网基波频率波动、谐波与间谐波以及白噪声对闪变检测结果的影响,与传统电压闪变检测方法相比,闪变包络提取实现简单、计算量更小,测量结果准确稳定,可用于电压闪变参数的实时分析与在线检测。

基于Teager-Kaiser能量算子Rife-Vincent窗频谱校正的电压闪变测量

分析了Teager-Kaiser能量算子的构成和Rife-Vincent窗的旁瓣特性,通过Teager-Kaiser算子快速提取电压闪变包络,将包络参数进行Rife-Vincent窗改进FFT谱分析与校正,简化IEC推荐的闪变测量过程,提出并建立了基于Teager-Kaiser能量算子Rife-Vincent窗频谱校正的电压闪变测量算法。仿真试验结果表明,本文提出的算法能有效克服单一频率调幅波频率变化、多频率成分调幅波、电网基波频率波动、谐波与间谐波以及白噪声对检测结果的影响,与传统电压闪变检测方法相比,设计实现简单、计算量小,测量结果精确、稳定,可用于电压闪变参数的在线监测。

基于混合威布尔模型的智能电能表可靠性评价方法

针对当前智能电能表故障类型多样、可靠性评价单一的问题,提出基于混合威布尔模型的可靠性评价方法。论文基于智能电能表各单元串联关系和故障事件进行故障类型分类,利用最小二乘法推算各单元故障类型的尺度与形状参数,结合中位秩与平均秩次计算智能电能表累计失效概率提高模型准确度,并通过熵权法计算各故障类型对整表可靠度影响的权重系数,据此建立基于混合威布尔模型的智能电能表可靠性评价方法。实例结果表明,提出的方法在各类故障类型下均能准确得到智能电能表可靠度评估,并能准确获得智能电能表单元模块的可靠度,与现有方法相比,文中方法不需大量先验知识,且实现简单、准确度更高。

基于voting集成的智能电能表故障多分类方法

为提升智能电能表故障准确分类能力,助力维护人员迅速排除故障,提出基于投票法voting集成的智能电能表故障多分类方法。针对实际智能电能表故障数据进行编码预处理,基于皮尔逊系数法筛选智能电能表故障分类关键影响因素,结合合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)算法解决数据类别不平衡问题,由此建立模型所需数据集,再通过投票法进行模型融合,结合粒子群PSO(particle swarm optimization)确定各基模型的权重,据此构建基于极限梯度提升树(extreme gradient boosting trees, XGBT)、K近邻(k-nearest neighbor, KNN)和朴素贝叶斯(naive bayes, NB)模型的智能电能表故障多分类方法。实测实验结果表明:所提出方法能有效实现智能电能表的故障快速准确分类,与现有方法相比,在智能电能表的故障分类精确率、召回率及F1-Score均有明显提升。

三相多功能谐波电能表设计

针对电力行业谐波电能计量的迫切需求，提出了AD73360L＋ADSP-BF533＋M30624FGPFP的三相多功能谐波电能表构成方案，简述了电能表的工作原理，详细介绍了6路同步采样ADC的数据采集电路和以ADSP-BF533为核心的数据处理电路设计，论述了为改善FFT频谱泄漏、旁瓣效应采用的基于Hanning窗双峰插值FFT的谐波电能计量方法，探讨了谐波电能计量的比差、角差校正方法．据此研制的三相多功能谐波电能表的基波有功测量误差≤0．2％，基波无功测量误差≤1％，2～21次谐波电压测量误差≤2％，谐波电流测量误差≤5％，谐波相位测量误差≤5°，满足GB／T14549—93的A类谐波测量仪器要求．

基于Kaiser窗双谱线插值FFT的谐波分析方法

为进一步减少加窗插值FFT的频谱泄漏和栅栏效应,提出了基于Kaiser窗的双谱线插值FFT的电力谐波分析方法,运用多项式拟合求出了实用的插值修正算式,推导了信号基波与各次谐波频率、幅值、初相角的计算式。仿真结果表明,Kaiser窗函数设计实现灵活、抑制频谱泄漏效果好,基于Kaiser窗的双谱线插值FFT方法能有效克服基波频率波动与白噪声对谐波分析的影响,在非整数周期截断条件下,对含21次谐波信号的频率计算相对误差仅为1.4×10%,幅值计算相对误差≤0.002%,初相位计算相对误差≤0.0001%,三相谐波电能计量应用实践证明了该方法的正确性。

谐波电能计量的比差与角差校正方法

分压电路、电流互感器（TA）的比例误差和电流互感器的相角误差是谐波电能计量装置误差的主要来源。本文在分析谐波电能计量的电压、电流信号采集与调理等效电路基础上，建立了谐波条件下的电能计量比差、角差的误差模型，提出了谐波电能计量的比差与角差修正方法；针对宽量程仪用电流互感器的非线性误差，通过多项式曲线拟合得到了修正模型，据此提出了选取曲线拐点作为电能计量校准点的比差、角差分段线性化校正方法，提高了全测量范围内的谐波电压、谐波电流和谐波电能计量准确度。在本文算法基础上研制的三相多功能谐波电能表的基波有功误差≤0．2％，基波无功误差≤1％，2-21次谐波电压测量误差≤2％、谐波电流测量误差≤5％、谐波相位测量误差≤5。，满足GB／T-14549-93的A类谐波测量仪器要求。

基于Kaiser窗相位差校正的电力谐波分析与应用

采用基本窗函数和广义余弦窗函数对信号加权可减少频谱泄漏和栅栏效应的影响,但其效果受到窗函数固定旁瓣性能的制约。Kaiser窗可定义一组可调的窗函数,自由选择主瓣与旁瓣衰减之间的比重,因此能全面地反映主瓣与旁瓣衰减之间的交换关系。对信号非同步采样和非整周期截断时的频谱进行了分析,讨论了Kaiser窗的主、旁瓣特性,提出了基于Kaiser窗相位差校正的电力谐波分析方法,推导了信号基波与各次谐波频率、幅值、初相角的计算式。仿真结果表明:Kaiser窗函数设计实现灵活、抑制频谱泄漏效果好,Kaiser窗相位差校正算法克服了基波频率波动对谐波分析的影响,对含21次谐波信号的基波频率计算相对误差仅为1.0×10-7%,幅值计算相对误差≤0.000 6%,初相位计算相对误差≤0.008%,三相谐波分析与谐波电能计量应用实践证明了该方法的正确性。

基于Kaiser窗频谱校正的介质损耗因数测量

采用基本窗函数和广义余弦窗函数对信号加权的谐波分析法可减轻非整周期截断对介质损耗因数tanδ测量的影响,但其效果受到窗函数固定旁瓣性能的制约。Kaiser窗可定义一组可调的窗函数,自由选择主瓣与旁瓣衰减之间的比重,因此能全面地反映主瓣与旁瓣衰减之间的交换关系。本文讨论了Kaiser窗的旁瓣特性,提出了基于Kaiser窗双谱线插值FFT的tanδ测量方法,运用多项式拟合求出了实用的插值修正公式,推导了信号初相角及tanδ的计算式。仿真结果表明,Kaiser窗函数抑制频谱泄漏效果好,基于Kaiser窗的双谱线插值FFT方法克服了谐波干扰、基波频率波动、采样频率变动、采样时间长度变化及白噪声对tanδ测量的影响,且设计实现灵活,测量结果精确、稳定,可用于介质损耗因数tanδ的离线测量与在线监测。