光伏新能源电能信号游程域模态分解理论与特征提取

高比例光伏新能源接入下的电能信号呈现出强随机、快时变、大波动特性,常导致电能表电能计量严重超差,影响电能交易的公正合理性。针对新能源电能信号敏感特征不清楚、对电能表电能计量影响不明确的问题,建立了游程域映射理论,解决了电能信号在游程域的表征问题;提出了游程域模态分解(R-EMD)方法,基于游程完成电流幅度在长持续时间下局部区间的自适应模态分解,得出光伏新能源电能信号的2个全局重要特征;构建了游程域特征参量与特征函数,并提取得到光伏新能源电能信号的4个游程域敏感特征;通过实验验证了游程域敏感特征对电能计量的影响。

基于LightGBM和LSTM模型的电力大数据异常用电检测方法研究

随着双碳经济的提出,智能电网正朝着节能减排的方向发展,而用户的异常用电造成电力资源严重流失。针对传统异常用电检测方法精度低、运行效率慢等问题,提出了一种将LightGBM模型与改进的长短期记忆网模型相结合用于异常用电检测。通过采样和Lightgbm模型相结合进行异常检测,并通过改进长短期记忆网模型给出异常用电类别。通过试验分析了所提方法的优点。结果表明,与传统的检测方法相比,该方法能够快速有效地检测异常用户,检测准确率为98.64%。同时对异常数据进行有效分类,综合分类准确率为96.60%。为异常检测技术的发展提供了一定的参考。

基于数据驱动与相关性的电能误差分析方法研究

针对传统方法中有限负载点(load point)检定方式导致的电能表负载点检测数量过于弱化、部分负载点误差无法全面代表全量程计量特性的问题,提出将运行误差作为负载点误差可靠来源的补充策略。在电力系统运行误差持续积累的基础上生成电能表全量程误差数据,将处理后的全量程误差时间序列和时效性等关键特征进行划分,通过比较多个采集周期的皮尔逊相关系数矩阵来识别变点,建立不依赖于具体用电环境、仅依靠电能表误差本征分量的数据驱动型误差相关性预测模型。实证分析表明所提方法可以动态分析电能表误差在安全范围内的波动状态、挖掘电能表误差阶段性特征中的潜在高风险信息,以实现台区内电能表误差的长期趋势预测,对于具备时变特征的电能表误差评估及电能表轮换分析都具有非常重要的意义。

量子化霍尔电阻标准研究综述

量子化霍尔电阻标准将电阻单位量值直接溯源至基本物理常数,从根本上解决了经典实物电阻标准易受环境因素(如温度、海拔、电磁等)影响而发生量值漂移的难题,为电阻计量能力的全面提升做出了重大贡献。文中综述了基于砷化镓、石墨烯、量子化反常霍尔效应的量子化霍尔电阻标准,以及十进制量子化霍尔电阻标准的研究现状,阐述了量子化霍尔电阻标准研究面临的瓶颈难题。经文献调研发现,基于砷化镓量子化霍尔电阻标准已被列为多个国家的电阻基准,发展基于新型材料或物理效应(如石墨烯材料、量子化反常霍尔效应)的轻量级量子化霍尔电阻标准技术成为该领域的前沿研究热点。通过对已有研究成果的调研和思考,文章展望了量子化霍尔电阻标准技术的未来发展方向,旨在为深入开展量子化霍尔电阻标准研究提供有益的借鉴和参考。

基于Popov超稳定的直驱式波浪发电系统滑模控制

直驱式波浪发电系统工作环境恶劣,速度传感器安装维护困难,为此提出基于模型参考自适应控制的速度观测器和滑模变结构算法相结合的控制策略。以永磁直线同步电机电压电流为输入,基于可调模型、参考模型和采用Popov超稳定性理论确定的速度自适应律三部分,设计速度观测器。通过分析波能转换装置水动力方程,获得最大功率捕获时的期望电流,采用滑模控制算法快速跟踪之。仿真结果表明,所提出的速度观测器可实现速度精确辨识,滑模控制策略可准确跟踪电流期望值,功率优化效果明显,系统鲁棒性强。

基于量子电压的非同步采样谐波电压测量方法研究

可编程约瑟夫森电压基准(programmable Josephson voltage standard,PJVS)已被初步应用于谐波信号的测量与分析,在克服过渡过程和吉布斯效应对测量结果的影响后,仍存在无法避免的非同步采样问题,这会在测量结果中引入较大误差,且影响信号的分析频谱。针对上述问题,提出了基于准同步采样的二次加权傅里叶变换方法,所提方法将准同步采样改进后与加权傅里叶变换结合,通过对原始信号进行两次不同的加权和分步修正,实现了对谐波信号的准确测量。经实验验证,使用该方法对谐波电压测量分析,测量标准偏差可达10^(-7)量级。

压缩感知理论演进与动态电能检测方法

阐述了压缩感知信号稀疏化模型、测量矩阵构造、重构算法设计、压缩检测和压缩感知硬件信号处理系统的演变过程,提出压缩感知理论未来发展需要解决函数序列处理问题,包括解决函数序列信号稀疏化,函数序列信号的测量矩阵构造,测量矩阵的压缩检测(compressed measurement,CM)约束条件,以及降低压缩感知(compressed sensing,CS)硬件系统的复杂度等问题。针对目前压缩感知理论应用中复杂度高、压缩检测算法准确度低的问题,提出了一种伪随机信号动态电能量值的精确同步压缩检测方法,该方法复杂度低,易于硬件实现,研发的硬件实验装置测量误差优于2×10^(-4),为提高压缩检测算法准确度提供了一种解决策略,具有高准确度动态电能测量应用前景。

基于通信光缆振动监测的轨道病害实时预警技术研究

铁路轨道病害的实时监测对于维护铁路基础设施、保障列车运行安全至关重要。采用光纤分布式声波传感(DAS)技术对列车作用于轨道伴行光缆的声振信号进行特征提取,利用贝叶斯优化的支持向量机(SVM)模型建立空吊伤、鱼鳞伤病害数据库,实现对铁路轨道病害在线识别及预警。现场测试结果表明,普速铁路焦柳线王庄站至洛阳北站鱼鳞伤检出准确率为83.33%,空吊伤检出准确率为50%;重载铁路侯月线盘古寺站至磨滩站鱼鳞伤检出准确率为100%,空吊伤检出准确率为72.7%。现场测试结果显示出DAS技术在轨道病害识别方面具有一定的应用及指导意义。

基于ARM嵌入式技术的单相电力谐波检测方法

为保证设备和系统的安全稳定运行,提高电能质量,提出一种基于ARM嵌入式技术的单相电力谐波检测方法。首先,以ARM处理器为核心设计单相电力数据采集模块,采集多通道数据。然后,设计信号调理电路和频率跟踪电路,用于处理单相电力数据,确保采样的同步性。最后,在通信模块和液晶显示屏的支持下,实现多端通信数据传输,对数据进行快速处理,展示在显示屏上,完成单相电力谐波检测工作。实验结果表明:该方法的测量误差在4%以下;曲线斜率最高,最接近1,说明该方法的检测精度高,能够适应复杂的工作环境,具有较强的检测稳定性。

基于混合模型的非侵入式负荷监测数据的生成

非侵入式负荷监测(non-intrusive load monitoring,NILM)是一种无需进入每个用电器内部系统,仅在用户总线入口处安装监测设备的技术.在开展NILM技术研究时,往往需要收集大规模的用户负荷数据来证明所提出方法的普适性,此需求不可避免地带来了繁重的数据收集与整理负担.为克服该挑战,设计了一种结合周期信号频率不变变换(frequency invariant transformation for periodic signals,FIT-PS)原理与时间序列生成对抗网络(time series generative adversarial networks,TimeGAN)的混合模型,记为FIT-PSTimeGAN.针对全球家庭与工业瞬态能量数据集(worldwide household and industry transient energy dataset,WHITED)中的空调、微波炉、吸尘器、冰箱和热水壶5种电器,运用FIT-PS对负荷数据集进行切割和拼接,构建TimeGAN不同状态下的训练集和测试集.评估测试集的效果发现,生成的波形数据与真实数据表现出高度一致性.进一步采用FIT-PS对训练得到的生成数据进行截取和拼接,生成满足测试需求的完整的单负荷波形和多负荷波形.对这些生成的波形与相同状态下的真实数据进行对比,结果显示两者吻合度很高.与自回归模型和生成对抗网络(generative adversarial network,GAN)模型相比,FIT-PS-TimeGAN模型在生成数据的性能方面表现更优.研究结果表明,FIT-PS-TimeGAN混合模型能够有效生成符合标准电器运行规律的波形和场景数据.

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。

OVMD-MF算法用于漏电流光纤传感

针对船舶电力网络漏电流光纤传感测量响应度低、测量能力弱等问题,提出了一种基于最优变分模态分解与形态学滤波组合的降噪方法,以提升微弱电流测量能力。以希尔伯特谱熵为适应度函数,利用捕食者优化算法搜寻分解模式数及二次惩罚因子的最优组合,并完成变分模态分解获取本征模态函数分量。设置相关系数阈值确定有效模态函数分量,完成信号重构。以信噪比为适应度函数,通过捕食者优化算法确定形态学滤波的结构因子及比例系数,对重构后的信号进行时域降噪处理,实现对漏电流信号进一步降噪。通过仿真分析以及实验验证,确定该方法相对于现有的滤波方法,改善了信号的信噪比,降低了最小均方误差,论文拓展泄漏电流的分辨力可提升至3 mA。

基于PJVS型下采样的宽频量子功率及电能标准设计

随着新型电力系统的“双高”特征凸显,电网中的宽频动态成分日益复杂,对功率及电能计量技术提出了新的需求与挑战。发展量子功率及电能标准是电力量子计量技术研究的主流趋势,但传统的差分测量方法在传递交流量子电压阶梯波量值时,量子电压的合成频率被限制在1 kHz以下,以确保测量准确度达到10^(-6)量级。针对上述问题,文中提出了一种基于可编程约瑟夫森电压的宽频量子功率及电能标准设计方案,通过下采样原理的宽频量子差分测量方法,实现宽频信号向低频量子电压阶梯波的可靠量值溯源,有望将功率及电能的量子测量频率从当前的工频提升至10 kHz以上。通过构建实验系统,以脉冲驱动型交流约瑟夫森电压标准的输出为被测信号,证明所述下采样测量方法在1 kHz频点上的有效值测量结果与传统差分测量结果的一致性优于3×10^(-6),扩频测量至10 kHz时没有显著的测量偏差,以上测量结果为构建最优合成不确定度达到10^(-6)量级的宽频量子功率及电能标准提供了技术支撑。

数字化电力计量智慧实验室构建与关键技术探讨

随着数字经济的蓬勃发展和新型电力系统的快速建设,将先进的数字化技术与电力计量技术进行深度融合,建设数字化电力计量智慧实验室,是加快构建现代先进测量体系,推动电力计量数字化转型的重要途经。围绕现阶段电力计量体系构建过程中的不足及面临的挑战性难题,详细描述了电力计量智慧实验室的总体架构与技术体系,在此基础上,对实验室建设过程中的计量数据全景感知、边缘计算与协同调控、平台交互与数据处理、跨域融合与增值服务、安全防护等关键问题进行深入探讨,并对数字化电力计量智慧实验室的功能与价值实现进行展望,希望能为电力计量技术的发展提供一定的借鉴。

基于单序列到多序列的轻量级非侵入式负荷监测

非侵入式负荷监测(non-intrusive load monitoring,NILM)能让用户以一种低成本的方式获取家庭中各用电器的耗电情况,有利于推动实现碳中和,提升需求侧管理能力。针对一般NILM算法面对的负荷分解误差和模型计算成本间的矛盾,提出了一种基于单序列到多序列的轻量级NILM模型。模型采取基于深度可分离卷积的全卷积结构,并利用卷积核不同通道的特征提取能力实现了多输出,极大减少了模型的参数量和计算时间;然后通过引入通道注意力机制,为不同通道的特征赋予权重,降低模型的负荷分解误差。在数据处理上,利用模糊C均值聚类将电器分为单运行状态和多运行状态两类,分别采取功率估计和状态估计两种方式以降低分解误差。模型在REFIT数据集上进行了验证,实验表明模型能在大幅度减少计算成本的同时保持较低的分解误差。

基于环阵超声的高精度微量移液平台

非接触式超声移液技术在药物开发、合成生物学、分子诊断等生物医学领域具有广阔的应用潜力。目前基于单阵元聚焦换能器的超声移液技术,因换能器制作工艺简单及能量大等优势得到了广泛的应用。然而基于单阵元换能器的超声移液方式因为换能器焦距固定需要机械移动换能器实现不同高度液体的转移,导致移液效率较低、通量低。环阵换能器可以采用电子聚焦的方式实现焦点在轴向上动态调节,能够克服单阵元换能器焦距固定的缺点,有望提高超声移液效率。因此,该文自主设计并制作了基于现场可编程门阵列(FPGA)的五通道高精度超声信号发射系统,采用定制的五阵元环阵超声换能器搭建了一套基于环阵超声的高精度超声移液平台。该移液平台可以实现超声焦点动态精准调节,并在不同焦距情况下实现纳升级液滴精准转移,可以有效提高超声移液效率和通量,具有重要的应用价值和前景。

脉冲驱动型与可编程型交流量子电压的直接比对

脉冲驱动型交流约瑟夫森电压标准通过高速脉冲序列驱动约瑟夫森结阵,具有频谱纯净、频带宽等优点。可编程约瑟夫森电压标准通过偏置电流驱动约瑟夫森结阵,输出幅值大,但合成频率低且含有高次谐波分量。文章基于差分采样技术开展了两套交流量子电压系统的比对验证。实验验证了频率为50 Hz、62.5 Hz、100 Hz,有效值为0.75 V的交流量子电压一致性,并评估了采样器增益、采样器频率响应、传输线修正以及感应电压与串扰对差分采样结果的影响。比对结果表明两套量子电压系统在频率50 Hz、62.5 Hz、100 Hz,有效值0.75 V条件下的一致性分别为(0.025±0.320)μV/V、(0.005±0.124)μV/V、(0.150±0.215)μV/V。文章的研究工作可以为国际计量局建议的BIPM.EM-K10比对提供技术基础。

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。

融合卷积神经网络和注意力机制的负荷识别方法

对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。

基于小波包分解卷积神经网络的停运输电线路故障识别方法

当输电线路处于热备用状态时,停运线路上仍可能发生短路故障,准确地判断停运线路的故障状态能有效地避免合闸到故障线路时对电力系统造成冲击并对故障的排除提供便利,因此有必要对停运输电线路进行故障识别。对于双回输电线路提出一种采用小波包分解生成的频谱图作为卷积神经网络(convolutional neural network,CNN)输入进行特征提取的停运线路故障识别方法。为减少人为提取特征产生的误差,首先对停运输电线路故障时三相电压暂态波形进行测量,采用小波包分解得到三相电压波形时频特性,最终通过CNN提取特征并进行故障分类。为验证该方法的故障识别效果,以河北省3条线路的实际数据为基础,在ATP-EMTP中建立500 kV同塔双回输电线路模型,为模拟现场各因素产生的误差在测得电压波形中加入10 dB高斯白噪声。结果表明,对热备用线路上故障状态识别准确率为99.98%,在一定程度上为停运线路的故障诊断及排除提供了参考。