基于长短期记忆循环神经网络的变电站监控系统智能故障推理方法

针对变电站故障推理和分析应用存在人工总结的规则不全面、总结难度大、干扰信号多、故障推理配置可重用性低,以及故障推理往往需要考虑输入信号的时序性等问题,而采用传统机器学习算法无法有效解决此问题,提出一种基于长短期记忆循环神经网络(LSTM-RNN)、自然语言处理技术的变电站智能故障推理方法。分析了故障推理的应用场景,介绍了智能故障推理方法的整体架构、关键技术,并通过实际数据的应用试验进行了测试,验证了不依赖人工规则的智能故障推理方法的可行性,在信号时序可以记忆的场景中LSTM-RNN比其他机器学习算法有更好的适用性。

基于支持向量机逆系统的无轴承同步磁阻电机解耦控制

在阐述了无轴承同步磁阻电机(BSRM)工作原理的基础上,建立其数学模型,采用最小二乘支持向量机(LS-SVM)逆系统方法对其进行解耦控制,将原系统解耦成3个相对独立的伪线性子系统,并应用线性系统理论设计了闭环控制器.最后采用Matlab/Simulink构建仿真系统.仿真结果表明:此解耦控制策略能够实现无轴承同步磁阻电机电磁转矩和径向悬浮力之间的动态解耦,且系统具有良好的动、静态特性.

基于等效时间的混合储能系统高功率密度优化配置

越来越多的电力电子装置应用到多电飞机(MEA)电力系统中,导致MEA用电负荷功率呈现脉动特性,采用混合储能系统(HESS)平抑负荷功率脉动。为减少HESS重量,提出了一种高功率密度的优化配置方法。为建立负荷功率与储能介质之间的关系,提出了等效时间(ET)的概念,比较两者的ET常数作为储能系统类型选取的依据。进一步提出空间矢量法,采用能量型储能介质矢量和功率型储能介质矢量合成负荷功率,确定最优单体和截止频率,实现了HESS高功率密度配置。同时,从能量约束和功率约束两个方面进行HESS的容量的计算。最后,通过算例配置和仿真分析验证了本文所提方法的可行性和正确性。