多特征组合及优化SVM的电能质量扰动识别

提出一种基于多特征组合及粒子群优化的支持向量机(SVM)的电能质量扰动识别方法。该方法采用小波变换和S变换提取各扰动信号特征向量,采用粒子群(PSO)优化的支持向量机进行分类识别。首先针对提取的小波能量谱中谐波信号的明显差异,通过设定特征阈值进行初步分类,然后结合S变换提取的3种特征,采用优化参数的SVM进行后续分类。仿真实验表明,该方法能够有效识别常见的8种电能质量扰动及2种复合扰动,相比未经优化的支持向量机模型,粒子群优化的SVM具有较高的识别精度和运算速度,且抗噪能力强。

一种新型有源电力滤波器电流控制策略研究

针对现有有源电力滤波器结构较为复杂、谐波电流跟踪困难等问题,提出了一种新型有源电力滤波器电流控制策略。该控制策略不需要进行负载电流测量与谐波检测,而是直接在电网侧提取电网电流,并将比例积分与矢量比例积分控制器结合使用以对电网电流进行控制,从而实现谐波补偿。仿真结果证明了该策略的正确性与有效性。

基于SVD的电压跌落持续时间检测新方法

针对电压跌落持续时间检测问题,提出了一种利用Hankel矩阵奇异值分解(SVD)理论检测电压跌落起止时刻新方法,并对不同跌落幅值、谐波和噪声三种干扰下的信号进行适用性仿真分析,并提出对含噪声电压跌落信号选择合适的SVD分量进行信号重构,对重构信号进行SVD检测电压跌落起止时刻。通过Matlab7.0平台仿真验证所提方法有效性,结果表明该检测方法原理简单,检测精度较高,适用性较强。

风电场储能电池典型工况提取研究

提出了一种基于实测数据统计分析的风电场储能电池典型工况提取方法。采集河北省某风电场储能电池平滑功率输出应用模式下的充放电功率数据,对储能电池典型工况进行了提取。典型工况可以用于实验室内模拟实际应用工况,获取储能电池在相应工况下关于寿命及安全问题的一系列特性参数,为储能电池领域将来建立完整的评价体系和制定恰当的工况检测标准提供了一定的参考依据。

建筑消防电气设计的重要性及控制措施

建筑消防电气的防火性能关系到居民的生命安全,对其进行合理设计十分重要。文章阐述了建筑消防电气设计的重要性,分析了建筑消防电气设计的要点,探究了建筑消防电气设计的控制措施,以提高整个建筑电气工程的安全性,也利于后期的系统维护及设备维修。