基于序优化的配电网负荷三相不平衡优化策略研究

针对现有配电网负荷三相不平衡优化算法计算效率不高且难以适应负荷波动场景这一现状,提出了一种基于序优化的配电网负荷三相不平衡优化策略。首先建立粗糙模型,筛选单相负荷接入相序的初始解集;然后建立精确模型,考虑三相负荷约束,对初始解集再次筛选优化;最后通过实际算例来验证所提方法的有效性。分析表明所提方法保证了求解精度的同时,提升了3~5倍的求解效率。

基于混合ISSA-LSTM的锂离子电池剩余使用寿命预测

准确预测锂离子电池剩余使用寿命(remaining useful life,RUL)对降低电池使用风险和维护设备稳定性方面具有重要意义。为了提高锂离子电池RUL预测的稳定性和结果的准确性,提出一种基于混合改进麻雀搜索算法(improved sparrow search algorithm,ISSA)与长短期记忆(long short-term memory,LSTM)神经网络的锂电池RUL预测模型。首先,用均值化方法对原始数据中的异常值进行处理。然后,结合Tent混沌映射、自适应权重以及反向学习策略和柯西变异扰动策略优化麻雀搜索算法,再利用改进麻雀搜索算法对LSTM模型的参数进行优化。最后,采用改进的混合ISSA-LSTM模型并完成RUL预测。采用NASA公开数据集对本模型进行验证。结果表明,该模型的平均绝对误差、均方根误差和平均相对百分比误差控制在0.01647、0.02284和1.2048%以内,能够有效地提高锂离子电池RUL的预测精度。

基于PSO-SVM算法的输电线路覆冰舞动预测模型

输电线路舞动往往会导致金具磨损、闪络、断线等电力事故,对电力系统的安全具有很大的负面影响。利用ANSYS软件模拟不同档距、风速等状态下覆冰四分裂导线在平均风与脉动风作用下的动态响应,进而根据模拟获得的数据集和PSO-SVM(particle swarm optimization-support vector machines)算法构建了四分裂导线覆冰舞动预警模型,将档距、风速、初始风攻角作为模型的输入,覆冰导线是否舞动作为输出。同时,为验证该预测模型的实用性及有效性,将PSO-SVM模型与其他智能算法如BP(back propagation)、支持向量机(support vector machine, SVM)、遗传算法优化支持向量机(genetic algorithm-optimization support vector, GA-SVM)模型的预测结果进行比较,结果表明PSO-SVM模型的预测结果精度更高,对输电线路覆冰舞动预警具有一定的参考意义。

基于改进的YOLOv7的雾天场景下绝缘子及其自爆缺陷检测方法

为了解决现有的目标检测方法在雾天场景下存在绝缘子、自爆缺陷识别准确率低、易漏检的问题,提出了一种融合了坐标注意力机制(CA)和双向加权特征金字塔网络(BiFPN)的YOLOv7算法的雾天场景下绝缘子、自爆缺陷检测方法。首先,通过大气散射模型采用中心点合成雾的方法生成轻雾数据集、浓雾数据集和混合雾气浓度数据集;其次,在主干特征提取网络末端和预测端前端融入坐标注意力机制,提高网络对重要特征的关注程度;再次,在特征融合网络中借鉴BiFPN的思想添加跨层权重连接,提升模型的特征融合能力,改善遮挡目标与小目标的漏检问题;最后,考虑到真实框与预测框之间的方向匹配问题,使用SIoU损失函数替代CIoU损失函数,进一步提升模型的检测性能。研究结果表明,与原始YOLOv7相比,改进后的YOLOv7在轻雾、浓雾和混合雾气状态下的平均精确率分别提升了6.65%、5.55%和6.54%,分别达到96.95%、95.58%和96.65%,查准率分别提高了0.11%、0.08%和0.51%,召回率分别提高了10.25%、9.35%和8.23%。改进后的YOLOv7在对雾天环境下绝缘子、自爆缺陷有较好的检测效果。

基于PSO-GRNN和D-S证据理论的电网分区故障诊断

针对大电网中保护和断路器误动、拒动、信息丢失等不确定的电网故障信息以及现有电网分区方法的不足,提出了基于粒子群优化广义回归神经网络(PSO-GRNN)和D-S证据理论的电网分区故障诊断方法。首先,通过改进图形分割法将大电网划分为相互重叠的不同区域,降低故障诊断难度。然后在各个区域建立PSOGRNN诊断模块,根据故障警报信息,并行完成各自的故障诊断任务。最后,采用D-S证据理论对相邻区域的重叠区域进行分析,以实现对重叠区域的综合故障诊断。仿真结果表明,该方法能有效识别非重叠区域和重叠区域的故障,容错能力强,诊断准确率高。

基于载流量降额因子的高压电力电缆热评估

提出了一种基于载流量降额因子的铠装高压电力电缆热评估方法,该降额因子考虑了导体的集肤效应、邻近效应及相邻电缆的热效应。首先,采用有限元模拟计算了电缆在基波和谐波电流条件下的交直流电阻比,确定了稳态负荷条件下电缆降额系因子计算方法。然后,根据国际电工委员会(IEC)标准对日循环负荷和谐波电流下的瞬态温度进行计算,并采用IEC方法和瞬态温度方法计算了循环额定系数。最后,采用有限元模拟计算了不同截面积的高压电缆在稳态负荷和日循环负荷下的电缆寿命、故障率和降额因子,计算结果验证了所提方法的优越性。

考虑天气类型和历史相似日的短期光伏输出功率预测

光伏发电的随机性和不确定性是制约光伏发展的主要原因。为了提高短期光伏发电功率预测精度,提出了一种考虑天气类型和历史相似日的短期光伏输出功率预测方法。针对不同季节和天气类型划分历史数据,根据灰色关联度计算结果确定相似日。采用混沌初始化、控制因子非线性调整和莱维飞行等策略对斑点鬣狗优化(spotted hyena optimizer)算法进行改进,采用改进斑点鬣狗算法(improved spotted hyena optimizer)对核极限学习机进行优化,建立基于改进斑点鬣狗算法优化(kernel extreme learning machine,KELM)的短期光伏输出功率预测模型。利用实际光伏电站监测数据进行仿真分析,结果表明,基于ISHO-KELM的短期光伏输出功率预测模型能够降低光伏输出功率预测过程中的波动性,提高预测精度,验证了所提光伏预测方法的正确性和实用性。

基于BSSSO算法的无功补偿容量优化方法

无功补偿容量的目标是将有功功率损耗降至最低且兼顾电压平衡。首先,针对无功补偿容量优化实际,建立考虑有功功率损耗、电压偏差、电压稳定性的多目标无功补偿容量优化模型;然后,提出基于鸟群算法(bird swarm algorithm,BSA)与混合牧羊人优化算法(shuffled shepherd optimization algorithm,SSOA)的鸟群牧羊混合优化(bird swarm shuffled shepherd optimization,BSSSO)算法,以优化无功补偿容量;最后,通过仿真算例验证了所提方法,结果表明所提方法性能优越,可以兼顾各指标平衡。

基于改进K-means聚类的变压器局部放电定位诊断方法

针对现有的变压器局部放电故障定位诊断研究未能充分有效考虑时间延迟误差对定位点结果的影响,提出了一种基于改进K-means聚类算法的变压器局部放电故障定位诊断方法。首先,通过消去非线性定位方程的二阶项,实现非线性定位方程的线性化处理;然后,通过使用多个声发射传感器定位PD故障点初始值,并在考虑时间延迟误差的情况下通过冗余时间量测计算多组PD故障定位点;最后,通过使用改进K-means聚类算法,利用聚类密度和凝聚度参数确定聚类中心和聚类个数,并进行聚类优化处理以确定最佳的PD定位点位置。仿真实验验证了所提方法的有效性。

基于热图像处理技术的电力设备温度监测

设备温度关系着电力设备的安全运行和使用寿命,温度监测在众多工业应用中是必不可少的技术手段之一.为此,本文提出了一种基于热图像处理技术的电力设备温度监测.其分布式测量能力可以在数十公里电缆沿线的多个点上绘制温度图.首先,基于现场众多的传感器元件采集温度数据,结合数据的时间连续性,依次堆叠温度曲线创建热图像,再采用基于多级阈值的图像分割技术对图像进行处理.然后,采用温度误差和热点尺寸相关联的多项式函数来解决拉曼分布式温度传感器(RDTS)设备本身的局限,搭建热浴槽实验平台获取不同热点尺寸的温度数据.最后,采用所提出的方法对所获数据进行分析,结果表明该技术可以实现对尺寸在3 cm~15 m内的热点检测和校正,校正偏差仅为1.78%,大大提高了RDTS设备的实用性.

基于级联长周期光纤光栅的光纤布拉格光栅解调系统

提出了一种基于级联长周期光纤光栅的光纤布拉格光栅解调系统。级联长周期光纤光栅作为边沿滤波器,利用它的一个线性区监测单个光纤布拉格光栅传感信号。该系统具有结构简单、价格低等优点,但易受光源抖动及系统其他不稳定因素等带来的系统噪声的影响。为消除系统噪声带来的不利影响,对该系统进行了改进。改进系统利用级联长周期光纤光栅的两个线性区同时监测两个光纤布拉格光栅传感信号。分别用原系统及其改进系统对温度进行监测,实验的温度测量范围为-70～-115°C。原系统的灵敏度为0.49 mV/°C,温度分辨率为0.5°C;改进系统的灵敏度为0.86 mV/°C,温度分辨率为0.3°C。实验结果表明改进系统能有效消除系统噪声,提高系统的精度。

基于CLPG的FBG监测系统及其应用

为了实现可变体机翼的结构健康监测,提出了一种基于级联长周期光栅(cascaded long-period fiber grating,CLPG)的光纤Bragg光栅(fiber Bragg grating,FBG)监测系统。该监测系统以FBG为传感元件,以CLPG为边沿滤波器件,经CLPG调制后FBG反射光功率会发生变化,通过对FBG谐振波长处光功率的探测,从而实现FBG传感信号的监测。监测系统具有结构简单、成本低、解调速度快等优点。利用该监测系统对某型可变体机翼进行结构健康监测,结果表明该监测系统的应变分辨率为2με,实验结果与有限元分析结果相符,最小误差仅为3.27%,表明该监测系统能够用于可变体机翼的结构健康监测。

耐甲氧西林金黄色葡萄球菌院内感染研究进展

院内感染一直是困扰医院的一大难题，尤其是在耐甲氧西林金黄色葡萄球菌（methicillin resistant staphylococcus anreus MRSA）出现之后，院内感染问题就显得相当棘手。这主要是由于MRSA感染的发病率和致死率都较高，而且传染性强．最易导致流行的爆发，并且院内获得性MRSA有向社区扩散的趋势。也正因为如此，MRSA感染已被列为世界范围内的三大感染性疾病之一。

基于响应不变法的GM(1,1)模型的动态特性分析

GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差,导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的无偏GM(1,1)模型.对基于响应不变法的GM(1,1)模型的动态特性进行了分析,明确了该模型的特性和适用条件.

经IIWO优化的原子分解算法辨识次同步振荡模态

由于传统的线性化方法存在难以有效辨识次同步振荡模态参数的问题,该文提出一种基于改进入侵杂草优化IIWO(improved invasive weed optimization)的阻尼正弦原子分解算法。该方法首先构造过完备阻尼正弦原子库,引入混沌序列初始化的多种群策略、预筛选机制、以及随机变异的扩散机制对入侵杂草优化IWO(inva-sive weed optimization)算法进行改进,利用改进得到的IIWO算法对传统的匹配追踪算法MP(matching pursuit)进行优化,以降低其搜索的时间复杂度。依据优化后的MP算法对信号进行阻尼正弦原子分解,搜索到最佳阻尼正弦原子后将其转换为次同步振荡模态参数,并与Prony的辨识结果进行了对比。仿真算例结果表明,经IIWO优化的阻尼正弦原子分解算法辨识精度较高,且具有良好的时频特性。

基于改进BBO算法的SSSC阻尼控制器优化设计

串联补偿技术的大规模应用会造成发电机组次同步振荡(SSO),影响电力系统的安全运行。为有效提高静止同步串联补偿器(SSSC)阻尼控制器的控制效果,提出一种改进的生物地理学优化算法(BBO),将其用于SSSC阻尼控制器的优化设计中,以实现抑制发电机组的次同步震荡。利用Prony算法具有良好的模态识别效果的特点,对输出信号进行准确分析得出系统的特征值,从而来识别系统的振荡频率;通过结合改进BBO算法和Prony算法设计了SSSC阻尼控制器,并对控制器参数进行了优化;在PSCAD平台上搭建IEEE第一标准模型进行仿真分析。结果表明,采用改进BBO算法优化设计的SSSC阻尼控制器,能够快速有效抑制发电机组的次同步振荡,保证机组的安全运行。

基于Akima-LMD和GRNN的短期负荷预测

传统局域均值分解(LMD)对极值点采用了滑动平均值处理得到局域均值函数和局域包络函数,易造成分解的分量过平滑而影响精度。为了减小过平滑影响,采用Akima插值法代替滑动平均值法处理局域函数来改进LMD算法,针对电力系统负荷序列的非平稳性和非线性,利用改进LMD算法进行序列分解得到若干分量,再利用广义回归神经网络(GRNN)预测各个分量的趋势,叠加各分量趋势得到负荷序列总趋势。GRNN神经网络较传统神经网络训练速度快、精度高,能很好地预测非线性序列。算例分析表明,改进LMD结合GRNN的方法较经验模态分解(EMD)结合GRNN的方法在短期电力负荷预测中有更高的预测精度。

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.

改进的BBO算法在PID参数整定中的应用

为了提高比例积分微分(Proportion integration differentiation,PID)控制器的控制性能,同时解决人工调试PID参数困难。文章提出了一种改进的生物地理学优化算法(Chaos Biogeography-based optimization,CBBO),通过嵌入混沌映射,同时引入余弦迁移模型,改善BBO算法在前期易早熟、后期搜索能力不强等缺点。将改进后的算法采用经典测试函数进行验证,并和其他群智能算法进行比较,结果表明CBBO的收敛速度更快,搜索精度更高。最后,把CBBO算法应用到PID参数整定中,仿真算例结果表明,采用CBBO整定参数后的PID控制器误差更小、超调量更小、抗干扰能力更强。

基于响应不变法的GM(1,1)模型

GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的GM(1,1)模型.该模型具有白指数重合律,它突破了|a|较大时GM(1,1)模型不能应用的禁区,拓广了GM(1,1)模型的应用范围.