基于小波熵神经网络的高压电缆短路故障诊断方法

传统的高压电缆短路故障诊断方法不能进行多尺度分解,导致检测到的首端护层电流较低,因此设计基于小波熵神经网络的高压电缆短路故障诊断方法。获取高压电缆首端护层电流,测量高压电缆短路故障信号频域,基于小波熵神经网络对预处理后的高压电缆短路信号进行多尺度分解,提取故障特征信息。通过对小波熵神经网络的输出结果进行分析,确定高压电缆的短路故障类型。实验结果表明,设计的基于小波熵神经网络的高压电缆短路故障诊断方法,对于5个高压电缆检测到的首端护层电流均最高,最高达到44.3A,证明该方法有更好的准确性。

基于卷积神经网络的光伏发电系统最大功率点跟踪方法

常规的最大功率点跟踪方法以光伏发电特征分析为主,受到复杂光照条件的影响,最大功率点跟踪结果存在一定的偏差。因此,文章设计了基于卷积神经网络的光伏发电系统最大功率点跟踪方法。通过提取光伏发电系统最大功率点输出特征,分析光伏列阵的功率-电压变化,构建最大功率点电压扰动方程,确定光伏发电系统最大功率点位置。基于卷积神经网络构建最大功率点跟踪控制电路,并通过调整电路占空比改变输出电压,实时跟踪最大功率点。采用对比实验,验证了该方法的跟踪准确性更高,能够应用于实际生活。

基于改进蚁群算法的电力电缆敷设路径规划方法

传统电力电缆敷设路径规划方法仅考虑了部分因素,导致路径长度过长。为了解决这个问题,提出基于改进蚁群算法的电力电缆敷设路径规划方法。设计电力电缆敷设环境,通过设计电力电缆敷设环境测定基于改进蚁群算法的电力电缆敷设距离和方位,定义电力电缆敷设路径函数,选择电力电缆敷设最优路径,实现电力电缆敷设路径规划。设计对比实验,实验结果证明该方法路径长度上明显优于传统的规划方法,该方法的路径长度仅为50 m左右,为未来的电力工程建设提供了一个有力的工具和方法参考。