基于统计特征与概率神经网络的变压器局部放电类型识别

针对变压器局部放电类型识别问题,提出了基于统计特征参数与概率神经网络的局部放电模式分类方法。所提方法首先在局部放电类型三维谱图中构建二维分布图谱,然后在二维分布谱图上提取统计特征参数,接着将统计特征参数以特征向量的形式作为概率神经网络的输入量,最后利用概率神经网络对放电类型进行识别。在试验中,利用电晕放电、沿面放电、气隙放电三种放电类型的数据,将所提分类方法与典型局部放电类型分类方法进行比较。实验结果表明,所提分类方法的识别准确率较高、识别时间开销较少。

光伏发电系统MPPT二阶滑模控制

基于光伏电池数学模型,采用Boost升压电路作为系统前端,其性能对光伏电池最大功率点跟踪(MPPT)、工作效率提高有重要意义。针对传统MPPT控制方法,在干扰较大的情况下,很难取得满意控制效果的问题,利用二阶滑模控制技术,提出一种无抖振的滑模控制方法,以改善大扰动情况下系统的鲁棒性。将占空比变量的导数视为虚拟控制器,设计非连续的二阶滑模控制器;实际控制器则为非连续控制器的积分,从而避免了控制器的抖振。仿真和实验结果表明光照强度和温度改变的情况下系统响应速度加快,且更加稳定。