基于紫外光辐射照度特征的污秽瓷绝缘子绝缘状态评估方法

绝缘子污秽放电严重威胁电力系统的安全稳定运行,及时掌握污秽绝缘子的绝缘状态意义重大,文中旨在研究基于日盲紫外检测的污秽瓷绝缘子绝缘状态评估方法。首先,基于220 kV输电线路瓷绝缘子污秽放电试验,结合污秽绝缘子的放电现象、泄漏电流信号及紫外放电图像特征,将污秽瓷绝缘子的绝缘状态划分为“正常”、“一般”、“较差”、“极差”,并利用紫外放电检测结果一致性方法以及统计分析的方法,选取了3个基于紫外光辐射照度的特征参量;其次,以环境湿度、仪器增益及3个光辐射照度特征参量为输入变量,绝缘状态为输出变量,采用黏菌优化算法对支持向量机的惩罚因子与核函数参数进行优化并建立了污秽瓷绝缘子的绝缘状态评估模型;最后,将绝缘状态评估模型的测试集验证结果与采用粒子群优化算法、麻雀搜索算法优化的支持向量机分类模型进行对比,发现其分类准确率更高,可达93.85%。文中所建立的污秽瓷绝缘子绝缘状态评估模型同样适用于其他型号的紫外成像仪,极大提高了污秽绝缘子紫外检测的实用性。

基于紫外成像技术的彩色光斑映射识别算法研究

紫外成像检测是一种有效的非接触式放电检测方法,紫外放电图像中彩色光斑的准确分割直接关系到其后续诊断的准确性。因此,提出了一种基于灰度差异的紫外图像彩色光斑区域识别分割方法,旨在准确提取彩色的紫外光斑区域。首先,利用紫外成像仪采集了电气设备紫外放电视频,其中放电光斑区域颜色涵盖了目前紫外成像仪常用的色彩;其次,改进了紫外视频的处理方法,利用高斯函数对紫外图像进行预处理,将光斑区域像素与非光斑区域像素的灰度差异平均提高了2.18倍,进而可利用阈值分割算法对光斑区域进行更准确的分割;最后,提出精度和召回率作为算法应用效果评价指标,将算法应用于1000张紫外图像帧,其平均值分别为0.9632和0.9827。由此可知算法实现了紫外检测图像中彩色光斑区域的准确分割,能够满足后续对紫外放电图像进行可靠诊断的要求,为基于紫外成像的电气设备放电诊断提供了可靠保证。

特高压直流换流阀饱和电抗器振动声纹特性与松动程度声纹检测方法

饱和电抗器作为特高压直流换流阀的核心装备,运行中产生的振动声音包含大量的信息,其状态评估对换流阀的安全运行具有重要意义。该文提出一种基于优化S变换和改进深度残差收缩网络的饱和电抗器铁心松动程度声纹识别模型。首先开展了高频脉冲激励下的饱和电抗器振动试验,并测量了不同铁心松动程度下的声纹信号;其次在声信号频谱主值区间内,根据能量聚集性优化高斯窗参数来提高声纹图谱的时频分辨率;然后对松动后的声纹特性进行分析,发现高低频比和低频分量主频占比两个特征指标仅能对松动程度较高的状态做出预警;最后采用五个不同方位测点的铁心松动数据代入基于自适应参数修正线性单元的改进深度残差收缩网络中进行训练,来消除声纹图中的冗余信息,并对不同松动程度下的特征进行独立映射,从而增强共同特征的学习能力。研究结果表明,该文模型对电抗器不同铁心松动程度的平均识别准确率达到95.93%,优于传统深度学习算法,可为饱和电抗器在线监测提供重要依据。

基于MCSPO-MUSIC算法的换流阀绝缘板沿面放电定位方法

绝缘板是换流阀中不同级阻尼电容间的重要绝缘设备,其长时间运行并且表面积污遇潮后,出现的沿面放电现象将会影响阻尼电容间的绝缘乃至换流阀的安全运行。近年来,声阵列定位检测高压设备局部放电的技术发展逐渐成熟。因此基于排布较优的4×4方形声音传感器阵列,提出了一种MCSPO-MUSIC定位算法。该算法利用CBF预估出来的角度,作为混沌粒子群算法进行角度寻优的初值,且不需要遍历寻优。在MATLAB中进行定位仿真,该算法计算时间约为1.5 s左右,相较于传统MUSIC算法在计算时间上减少了一个数量级;仿真定位误差RMSE为1.54°小于MUSIC与CPSO-MUSIC算法。在实验室中搭建出绝缘板沿面放电定位检测平台,利用该算法计算了10组实验数据,定位误差RMSE为1.97°,验证了该算法的准确性和实用性。

用于变压器端部垫块脱落故障识别的时间序列频谱熵稳定度算法

变压器声纹信号包含丰富的信息,在不同的运行状态下声纹可分为瞬态声纹和稳态声纹。以某变压器端部垫块脱落故障为出发点,分析其振动机理并挖掘声纹特征,实现对该故障的判别工作。首先,建立质量-弹簧-阻尼模型分析了该故障的振动模式和发展规律;其次,对声纹信号进行短时傅里叶变换,并利用Mel滤波器组对时频谱进行压缩感知;再次,利用时间序列频谱熵特征提取算法,引入了信号稳定度的概念;最后,对162台变压器现场采集的工况声纹信号数据集和试验采集的铁心松动故障信号数据集进行稳定度计算,统计稳定度分布情况。利用端部垫块脱落为瞬态声纹分布,而现场和铁心松动故障为稳态声纹分布的差异,通过稳定度方法从两类数据集中识别出端部垫块脱落故障。

电力系统继电保护自适应消缺方法仿真研究

自适应消缺方法对快速、准确地消除电力系统继电保护缺陷,保障电力系统的安全稳定运行具有重要意义。针对当前应用的消缺方法由于忽略了电路系统继电保护运行过程中存在大量不完备信息,常常导致故障诊断结果不准确,严重影响消缺结果的问题,提出一种基于信息量损失最小的电路系统继电保护自适应消缺方法,利用概率Petri网对电力系统进行建模获得断路器/继电保护装置与各个元件之间的逻辑关系,以及断路器动作或线路故障的概率;以信息量损失量最小为目标函数,建立电力系统继电保护故障检测优化模型;根据电力系统继电保护过程中的信息量损失,将其划分为信源和信道两类信息量损失并分别进行计算,通过求和的方式获得总的信息量损失,将信息量损失最小时的决策方案用于继电保护自适应消缺。仿真测试结果证明,所提方法对电力系统继电保护故障具有较高的敏感性和诊断准确性以及自适应性,且平均消缺成功率可以高达95. 8%。

基于动态神经网络时间序列的风电功率短期预测

近年来,随着我国的风电发展的突飞猛进,对风电场功率进行实时预测具有重要意义,但大气和电场的地形地貌等自然因素导致风电功率的不可控性。本文利用动态神经网络的反馈记忆特性,采用基于NAR动态神经网络对风电功率进行时间序列短期预测,准确率高达93.7%,证明该模型能有效提高风电功率实时预测的准确性,可改善风电联网运行性能,为电力生产和调度提供良好的条件。

基于RBF神经网络模型的电力系统短期负荷预测

电力系统短期负荷对电力企业的经济效益和社会效益都有一定影响。因此文中建立了基于RBF神经网络的电力系统短期负荷模型。用历史负荷数据作为训练样本,用训练好的神经网络进行电力系统短期负荷预测,并与BP神经网络进行对比。RBF神经网络的平均误差为2.09%,最大误差为4.77%,相比于BP神经网络精确度较高,有利于电力系统合理地进行调度规划工作。

电力资源生产和分配的优化问题

电力资源是现代社会不可或缺的资源之一,课题通过对不同型号的发电机进行组合,安排它们工作的时间,以达到既满足不同时段供电需求,实现投入成本最低的目的。在保证稳定运行的情况下完成调度,电力生产的效率最高,达到优化的效果。从固定成本、边际成本、启动成本出发,对某电厂的不同型号发电机,运用非线性模型进行求解,以降低电力资源生产成本,优化分配方式。