分布式电源与多元负荷高渗透接入的主动配电网自适应过流保护方案

考虑高渗透率分布式电源(DG)并网、DG运行的随机性、配电网的主动管理策略、孤岛运行模式以及多元负荷等对配电网安全保护的影响,基于各影响因素的时变特性,提出一种分时段自适应过流保护方案。首先,基于并网DG的故障输出特性模型,分析主动配电网中故障电流的特性,并基于该特性,定性和定量地分析各因素对保护的影响;然后,结合分布智能与集中智能,以混合分层式管理方式构建分时段自适应过流保护系统,并详细介绍了系统各部分的硬件原理和软件算法;最后,基于MATLAB软件对所提出的保护方案进行仿真分析,验证了所提方案的有效性和合理性。

数据不足条件下基于改进自动编码器的变压器故障数据增强方法

变压器发生故障的情况较少,使得基于机器学习的变压器故障诊断方法存在数据不足的问题。为此,提出一种基于改进自动编码器(IAE)的变压器故障数据增强方法。首先,针对传统自动编码器生成的数据有限和缺乏多样性的问题,提出改进的变压器故障数据生成策略。其次,考虑到传统卷积神经网络的池化操作会丢失大量特征信息,构建改进的卷积神经网络(ICNN)作为故障诊断的分类器。最后,通过实际数据验证了所提方法的有效性和适应性。仿真结果表明,相对于随机过采样算法、合成少数类过采样技术及自动编码器等传统的数据增强方法,IAE能同时兼顾数据的分布和多样性特征,生成的变压器故障数据对分类器的性能提升效果最好。和传统分类器相比,ICNN在数据增强前、后都具有更高的故障诊断精度。