面向智能用电网络自适应脉冲耦合同步的谐波测量

电能谐波是评估智能用电网络电能质量的重要指标之一。采用无线网络实现智能用电中的谐波测量具有良好的扩展性和鲁样性,但对电能测量节点间的同步精度提出更高要求,因此测量网络下节点间的快速、高精度同步对实现准确谐波测量具有重要意义。面向智能用电网络下谐波测量,基于鲁棒性、扩展性好的脉冲耦合振荡(PCO)机制,提出一种针对测量网络节点密度自适应的快速网络同步方法。通过理论分析和实验研究网络参数和内置同步模型对PCO同步速率的影响。在智能用电测量网络下验证提出的同步方法,结果表明自适应优化模型在不同节点密度下相比于传统三角同步速率提高,平均同步误差降低30.1%,提高了智能网络下的谐波测量精度,优化了智能用电网络的电能质量。

基于分布式传感网络的在线智能用电谐波源定位

用电侧谐波源对用电电能质量的影响日益增大,在大规模智能用电网下谐波源辨识与定位问题对提高电能质量有重要作用。智能用电网络采用智能电表组成的分布式智能用电信息测量网络实现对大规模用电网络测量。谐波故障源定位可通过分布式网络化测量方法提高在线辨识精度。提出了基于相关信息树的分布式用电谐波源递归定位方法,提高了定位精度。对用电网络进行建模分析,在公共连接点的辨识采用独立分量分析方法提取故障源的信号,通过分布式测量节点的相关信息树确定多通道信号间的网络拓扑结构。搭建了面向智能用电的分布式测量网络平台,验证了提出的谐波源定位方法。实验结果表明提出的方法可实现全网络下的谐波源定位,并具有较好的实时性。

分布式协同网络用电负荷分层加权概率预测方法

先进计量体系(AMI)是智能电网中的分布式协同网络,其通过广泛布置的分布式测量计算节点对用电端的用户用电信息进行测量和协同分析。基于分布式协同网络测量得到的海量数据,针对短期用电负荷的概率预测问题提出一种分层特征加权概率预测方法。该方法采用核主分量分析提取用电负荷测量样本的非线性特征,根据提取的特征采用马氏距离判据对用电负荷数据进行特征加权,剔除权重低的不相关干扰数据;提出将经验模态分解与稀疏贝叶斯学习方法相结合的机器学习用电负荷概率预测方法,对用电负荷高频与低频分量进行分层概率分布预测。最后,将所提出的方法应用于某地区的短期用电负荷预测实验,实验结果表明该方法能够有效预测短期用电负荷的概率分布,预测精度高、可靠性好。

采用优化经验模态分解的电力谐波辨识方法

电力谐波的准确辨识对智能用电具有重要的研究价值和意义。针对基于屏蔽信号的经验模态分解(M-EMD)在谐波辨识中幅值误差较大、模态分解不完整以及屏蔽信号构建参数依赖经验值等问题,提出对待分析信号进行滤波和模态预提取,并采用协同混沌粒子群优化算法(CCPSO)对屏蔽信号的构建参数进行寻优。电力谐波仿真辨识实验证明,与M-EMD算法相比,文中所述的IM-EMD算法在谐波辨识的准确度和可靠性上有了明显提高。

基于突变理论设冷水泵转轴功能安全完整性评估

面向核电设备冷却水泵(简称核电设冷水泵)转轴的功能安全评估是减少核电设备安全问题的重要手段之一。针对核电设冷水泵转轴故障突变时功能安全评估问题,提出了一种基于突变理论的核电设冷水泵转轴功能安全完整性评估方法。首先,从核电设冷水泵转轴多传感器监测数据中提取故障特征,故障特征融合结果作为预测参数;其次,采用预测参数构建转轴性能衰退轨迹路径,基于蒙特卡罗方法计算转轴累积失效概率;最后,基于尖点突变理论计算转轴危险失效概率,并评估转轴功能安全完整性等级,并采用核电设冷水泵转轴状态监测数据进行了实验验证。结果表明,当核电设冷水泵转轴存在故障突变时,基于突变理论结合性能衰退状态监测的方法,可以提高核电设冷水泵转轴功能安全完整性评估结果的准确性。

基于分布式压缩感知的智能用电网络高分辨率谐波与间谐波测量

安全可靠的电能质量是智能用电网络的基本需求,谐波与间谐波则是其中最常见的电能质量扰动之一,在智能用电网络中准确的测量分析谐波和间谐波,对于保障用电设备安全具有重要意义。本文提出了一种基于分布式压缩感知的智能用电网络谐波与间谐波测量方法,首先通过构建多通道谐波与间谐波测量模型,将高分辨率的频率估计问题转化为分布式压缩感知中的多测量向量稀疏重构问题,然后利用智能用电网络下各用户谐波与间谐波信号可联合稀疏表示的特性,在不延长观测窗长的前提下,提高了频率估计的准确度,提升了智能用电网络下的抗噪声干扰能力,最终达到准确分析谐波与间谐波的目的。实验结果表明,相较现有的谐波分析参数及非参数方法,本方法在谐波与间谐波测量的准确度和对噪声的鲁棒性上都有相应的提升,为智能用电网络中电能质量的治理提供了有效的参考依据。