输配电开闭所环境及安全综合监控系统的设计

为防止未及时发现故障或安全隐患而对无人值守的开闭所造成更大的损失,根据开闭所环境监控系统物理模型,分析了系统功能和需求,采用Visual C#设计了输配电开闭所环境及安全综合监控系统软件。在结构上划分为系统配置管理、实时监控、数据查询3个主模块。实现了对多种类环境传感器及安全传感器参数信息的实时采集,并将数据通过网络上传到调度中心,从而使调度中心人员可实时查看在地域上分散的多个开闭所的环境安全状况。

高校省级重点实验室管理方法与运行机制的新探究

高校重点实验室是国家科技创新体系的重要组成部分,是培养优秀人才、科学研究和社会服务功能的重要基地。笔者总结归纳了目前重点实验室管理运行上存在的问题,同时结合自身日常管理经验,就高校省级重点实验室管理方法与运行机制两方面进行探究。

基于数据驱动的配电网无功优化

传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。

考虑电压稳定的主动配电网动态无功优化

高比例分布式电源的接入造成电网局部电压越线问题严重,配电网动态无功优化是配网安全、稳定运行的重要保障。提出了一种考虑电压稳定的主动配电网动态无功/电压调控策略,基于分布式电源运行特性和网络日负荷曲线,建立考虑电压稳定、网络损耗为目标的主动配电网动态无功电压模型,同时考虑电容器组、SVC等无功调压设备动作次数约束;提出了基于柯西变异的动态权重粒子群优化算法,在粒子群进化过程中通过动态调整权重因子、学习因子提高算法的寻优速度,利用柯西变异提高算法跳出局部最优解的能力;最后,通过仿真算例验证本文方法的可行性和合理性。通过合理控制无功调压设备的动作时间实现一天内主动配电网无功潮流的最优分布,提高系统运行的安全性和稳定性。

Wi-Fi与嵌入式设备的融合技术研究

为了使嵌入式设备可以方便地接入Internet,鉴于无线保真(Wi-Fi)技术组网方式简单、无需布线的特点,将该技术用于嵌入式设备之间的通信以及与Internet的互连,提出一种Wi-Fi与嵌入式设备的融合方法及无线Wi-Fi监控系统的组建模式,以实现嵌入式设备的远程数据传输和无线监控。

基于RFID技术的电池追踪与回收系统设计与实践

在对发达国家射频识别（RFID）技术应用现状研究的基础上,设计了一套基于RFID技术的对电池的追踪与回收系统,系统通过互联网建立一个电池资源数据库,将电池基本信息统一收集与管理,采用RFID技术及时追踪高性能电池（如电动车电池）的信息。RFID读写器设计为便携式的,既可以与电脑联机实现对数据的读写操作,也可以独立地实现数据的读取与显示,能支持多个RFID协议,满足对不同协议的射频卡/标签进行读写操作,从而实现电池的回收与再利用管理,达到防止废旧电池污染环境和对其中有用成分的再利用。

基于数据驱动和多场景技术的微电网并网等效建模

微电网并网等效建模是含大规模微电网并网电力系统仿真分析的基础,但分布式电源的随机性和波动性导致微电网并网模型参数的不确定性和结构的多样性。提出一种基于数据驱动和多场景技术的微电网并网等效建模方法,利用马尔可夫链建立基于分布式电源随机概率特性的微电网运行场景,明晰微电网场景间的时间关联性。在传统k-means聚类算法的基础上增加马尔可夫影响因子,加速微电网运行场景向聚类中心聚集以及场景消减,从而获得微电网典型运行场景。针对每个典型运行场景建立基于长短期记忆(LSTM)神经网络的微电网并网等效模型,利用LSTM神经网络的时序逻辑特性和内部非线性映射特性描述微电网并网点整体动态运行特性。仿真结果验证了所提方法的合理性和有效性。

智能配电网大数据全景风险评估与自愈控制方法

该文对配电网大数据进行初始聚类划分,根据智能配电网运行状态建立关联规则,实现扩展聚类的划分;基于扩展聚类,根据当前数据预测运行状态,从而确定自愈控制策略,进行智能配电网全景风险管控和自愈控制。指出了大数据技术在配电网安全稳定分析及智能预警等方面的广阔应用前景,并分析了大数据时代配电网智能化发展所面临的若干挑战。

160kHz超声协同臭氧蔬果药残降解仪的设计与乙酰甲胺磷降解实验

针对现有超声协同臭氧降解农药的研究多集中在20 kHz至50 kHz的频段内,而效果一直不够理想,以及目前民用的超声协同臭氧蔬果药残降解装置较少的问题,设计了一种160 kHz超声协同臭氧蔬果药残降解仪。超声波发生器采用SG3525芯片驱动半桥式功率放大电路,并运用小范围扫频技术。臭氧发生器使用市场上量产的小型臭氧机。本文利用该降解仪进行了乙酰甲胺磷农药降解实验,对160 kHz超声波协同臭氧的农药降解效果进行了初步研究,结果表明仪器对降解乙酰甲胺磷有效。

基于多代理技术的多能源节能减排机组组合

以风电、火电和抽水蓄能为研究对象,利用抽水蓄能的快速调节特性,形成抽水蓄能削峰填谷的静态作用、提供旋转备用的动态作用和环境保护作用的平衡。建立了节能减排下多目标多能源风火蓄机组组合模型,并利用多代理技术进行求解。对不同权重下多目标机组组合的各目标及其权重进行分析协调,能够在一次能源消耗成本、SO_2和CO_2排放目标上得到合理的权衡,使得系统的社会综合效益得到大幅提高。

基于Kinect的手势识别及在虚拟装配技术中的应用

为了实现在Virtools环境下自然方便的人机交互过程,设计开发了基于Kinect的虚拟装配交互技术。该技术通过三维多手指检测并结合Kalman滤波来稳定跟踪指尖,同时基于指尖特征自定义了多种装配所需的手势;以Mir-crosoft Visual Studio 2010为开发工具,设计了手势操控相关功能块的编辑后集成于Virtools环境中,实现了手势在虚拟装配中的交互控制。实例证明,该技术能很好地完成虚拟装配过程,效果良好。

基于多核模糊C均值聚类的配电网短期负荷预测

精准、高效的短期负荷预测是电力系统运行与调度的基础,负荷-气象因素的强耦合关系使得负荷预测过程中必须考虑气象因素。首先从影响电力负荷波动的气象因素出发,分析负荷样本数据的气象因素相关性,通过构造多核模糊C均值聚类函数实现负荷、气象数据的低维非线性至高维线性空间映射,完成基于负荷影响因素的聚类划分,获得强相关气象因素。接着,在传统LSTM(长短期记忆)神经网络中引入反馈环节,融合前向和反向计算机制消除LSTM训练过程的累计误差,构建基于深度学习的多层堆叠模式并应用于负荷预测中。然后,以历史负荷数据的聚类结果为训练样本,深度挖掘负荷-气象因素的耦合特征,从而提高负荷预测精度。最后,通过实际运行数据验证提出方法的合理性和准确性。

考虑柔性可控资源的主动配电网动态无功优化方法研究

大规模分布式电源和储能等柔性资源的接入给配电网无功电压控制带来了新的挑战。提出了一种考虑柔性可控资源的主动配电网动态无功优化控制方法,以分时电价为基础,通过协调分布式新能源、储能系统以及无功补偿设备的综合出力,构建考虑柔性可控资源的无功优化模型。以系统有功功率损耗和系统电压偏差最小为目标函数,并通过改进粒子群算法进行模型的优化求解。最后,通过仿真算例验证了所提方法的合理性和有效性。所提方法能够在保证系统安全稳定运行的前提下充分挖掘柔性可控资源的潜力,提高系统运行的经济性。

采用嵌入式技术的智能电导率仪设计

为了实时精确地测量水溶液的电导率,设计了一种高精度的智能电导率仪。系统采用S3C2440为核心控制处理器,包含时钟模块、正弦交流激励模块、精密整流模块、A/D采样模块、触摸屏显示模块、以太网接口模块、数据存储模块、故障报警模块等。提供数据采集和处理、触摸屏显示、以太网通信、故障报警等功能。实验数据表明,该仪表能准确测量水溶液的电导率,测量精度高、工作稳定可靠、重复性好,有较高的实用价值和推广意义。

基于TPA‑MBLSTM模型的超短期风电功率预测

风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力(time pattern attention,TPA)机制的多层堆叠双向长短期记忆网络的超短期风电功率预测方法。首先,利用基于密度的含噪声空间聚类方法(den⁃sity based spatial clustering with noise,DBSCAN)和线性回归算法进行风功率数据集的异常值检测,利用k最邻近(k⁃nearest neighbor,KNN)插值法重构异常点数据;其次,综合考虑风电功率与各气象特征的内在关联性,在MBLSTM网络中引入TPA机制合理分配时间步长权重,捕捉风电功率时间序列潜在逻辑规律;最后,利用实验仿真数据进行分析验证本文方法的有效性,该方法能够充分挖掘风功率与风速影响因素的关系,从而提高其预测精度。

混合可重构智能表面和人工噪声辅助的物理层安全通信

针对可重构智能表面(Reconfigurable Intelligent Reflecting Surface,RIS)辅助的物理层安全通信,该文设计了基于混合有源-无源RIS和人工噪声(Artificial Noise,AN)辅助的安全传输方案。考虑基站和RIS的功率约束以及RIS无源反射元件的反射系数恒模约束,以最大化系统安全传输速率为目标,构建基站发射波束成形、AN波束向量、RIS反射系数矩阵联合优化问题。使用交替优化(Alternating Optimization,AO)、权值最小均方误差(Weighted Minimum Mean Square Error,WMMSE)和半定松弛(Semi-definite Relaxation,SDR)算法,求解所构建的变量高度耦合的非凸优化问题。仿真结果表明,混合RIS辅助安全传输方案,能够有效提高系统的安全速率,与无源RIS相比,能够有效克服“双衰落”效应导致的安全速率降低,与有源RIS相比,具有更高的能量效率。

基于改进VMD-MCKD和深度残差网络的风机齿轮箱故障诊断

行星齿轮箱是风电机组传动系统中的重要部件,其运行工况复杂,背景噪声大,导致齿轮早期故障信号微弱且极易受背景噪声的影响。针对风电机组齿轮箱早期故障特征难以有效提取,齿轮故障难以识别的问题,提出一种风机齿轮箱故障诊断方法。首先,通过变分模态分解算法(variational mode decomposition,VMD)分解风机齿轮箱原始振动信号,获得振动信号故障的最优模态分量;接着,利用最大相关峭度解卷积算法(maximum correlated kurtosis decnvolution,MCKD)通过解卷积重构最优模态分量,削弱背景噪声增强故障冲击成分,获得故障特征;同时利用麻雀搜索算法(sparrow search algorithm,SSA)优化惩罚因子α、模态分解个数K、滤波器阶数L和反褶积周期T等参数,提升振动信号故障特征提取的准确度;最后,构建基于深度残差网络(deep residual network,ResNet)的齿轮箱故障诊断模型,建立齿轮箱故障特征与类别的非线性映射关系,实现风机齿轮箱故障分类识别。实验结果表明,所提风机齿轮箱故障诊断方法的准确率达到97.48%,相较其他方法在信号特征提取和故障诊断效率方面有明显提高。

基于数字图像处理的风电机组叶片裂纹损伤识别方法研究

为实现风电机组叶片损伤检测的高效化、智能化、便捷化,研究一种基于数字图像处理技术的风电机组叶片裂纹损伤识别以及裂纹类型判断和特征参数提取的方法。以无人机采集的风电机组叶片图像为研究对象,通过对比灰度化、滤波、阈值分割等图像处理步骤的多种算法,对形态学处理方法进行改进,首先选用平均值法对叶片图像进行灰度处理,其次使用中值滤波对图像进行去噪处理,再次使用Otsu阈值分割以实现裂纹区域的分割,然后基于改进的形态学方法提取出完善的叶片裂纹损伤区域,最后基于连通域原理完成裂纹区域的框取。基于上述算法设计风电机组叶片裂纹损伤识别系统以实现叶片裂纹图像检测的可视化处理、裂纹类型判断及裂纹特征参数提取等功能。结果表明,该系统对于风电机组叶片裂纹损伤检测具有可靠的识别精度,识别准确率为85%,实现了风电机组叶片裂纹损伤的自动识别与特征参数提取,提高了叶片裂纹损伤的检测效率。

考虑柔性资源灵活支撑的电网有功/无功优化调度

电气化交通是交通电力耦合的重要场景,大规模电动汽车接入对于电力系统的有功/无功调度具有重要影响。提出了一种考虑电动汽车有序充电无功支撑的配电网有功/无功优化方法。首先,基于电动汽车充电特性,建立电动汽车有序充电功率控制模型,实现电动汽车并网接入的有序充电控制;其次,构建结合用户侧和电网侧因素的电动汽车有序充电无功支撑双层优化模型,实现电动汽车与电网间的有功/无功功率交互;最后,通过仿真验证所提方法的合理性和可靠性。通过控制电动汽车有序充电的功率因素,能够大幅降低用户侧充电支出,同时还能有效改善电网负荷波动和降低网络损耗,为解决电动汽车大规模接入电网问题提供新思路。

基于图像处理的风电叶片损伤识别定位系统

设计一套基于图像处理的风电叶片损伤识别定位系统。首先,耦合图像滤波、分割和形态学处理等图像处理算法实现损伤区域的检测识别;然后,基于多边形拟合结果,结合质心定位算法和外接矩形的位置坐标实现叶片损伤的精确定位;最后,依据提取到的基础几何特征、形状因子和长短径之比等图像特征实现叶片损伤类型的准确判断;通过对比不同光照条件下的叶片损伤检测效果,验证了本系统具有一定的自适应能力。试验表明,本系统的平均检测准确率为90%,具备一定的可靠性和稳定性。