基于受限玻尔兹曼机的电能质量复合扰动识别

针对目前电能质量混合扰动识别精度不高的问题,引入了受限玻尔兹曼机(RBM)算法。RBM是深度学习的一种新颖算法,在语音识别、机器视觉和图像恢复等领域已取得了很好的应用成果,但在电能质量复合扰动识别上尚未涉及。区别于传统算法提取特征的方式,深度网络通过提取波形的固有抽象特征,克服了人工特征选择的缺陷以及传统神经网络训练时收敛速度慢、容易限于局部最优的缺点。复合扰动信号经过深度网络自动获得特征参数,再经过分类器进行分类识别。实验验证该算法在电能质量复合扰动识别上可以达到很高的性能,优于传统的识别方法。

适应分布式光伏动态特性的改进电能计量模型

针对分布式光伏发电模型,建立了分布式光伏并网信号数学表征式;基于时分割乘法器(TDM)电能计量模型,分析电能计量算法在谐波和电压波动条件下的误差产生理论,设计适应分布式光伏动态特性的有功计量修正模块,给出基于Hilbert变换的无功功率计量方法;将光伏并网信号数学表征式与改进的电能计量模型结合,提出了适应分布式光伏动态特性的改进电能计量模型,通过仿真验证了所提模型的有效性。

数字化电能质量监测设备的设计与应用

分析了应用在江西省电能质量监测网子站———220kV澄江数字化变电站的电能质量监测设备的设计需求,给出了该设备的整体设计方案,重点介绍了基于IEC61850-9-1/-2协议的采样值报文解码模块的硬件设计和程序流程,以及数字化电能质量监测设备的建模方法。文章可为在数字化环境下建立电能质量监测系统提供技术借鉴。

基于离散复变量自适应滤波器的三相电网同步算法

电网同步算法是并网变换器控制算法的重要组成部分,其对于并网变流器控制性能的提高较为重要。文中针对电网同步算法,首先从离散Luenberger观测器设计的角度,设计了一种离散复变量滤波器,用于提取序分量,并针对谐波应用,建立了基于多重复变量滤波器结构的谐波序分量观测器。其次,分析了输入电压频率与所提序分量观测器频率参数不一致时频率误差的传递过程,进而设计了输入电压频率观测方程,从而使得所提序分量观测器能够自适应于电网频率的变化。建立了线性化的频率误差近似动态模型,以便于频率观测增益的选取。最后,采用仿真与实验来验证所提电网同步算法的正确性与有效性,结果表明该算法能够改善电网频率观测动态性能,缩短了频率观测时间,应用实施简单有效,计算量小。

计及较大频率偏移的谐波相量测量算法

近年来,电力电子化导致供电系统的电能质量明显恶化,次同步谐振问题时有发生。实现动态谐波相量的广域同步测量,是监测供电系统谐波含量及其动态变化水平,解决上述问题的关键手段之一。然而,频率偏移较大时,现有的谐波相量测量算法难以同时满足准确度高和计算量小的工程应用要求。文章基于香农采样定理对动态谐波相量进行建模,增加频率自适应调节,按信号实际频率确定并选取谐波相量测量滤波器,同时根据对模型误差的理论分析,设计各谐波相量测量滤波器的频带宽度,从而提高谐波相量测量的准确度。计算量统计分析和仿真实验结果表明,所提出的谐波相量测量算法不仅计算量小,而且准确度明显高于现有的泰勒傅里叶变换算法,十分适合于工程应用。

采用遗传算法和匹配追踪法检测电压闪变参数

随着电力系统中电压闪变现象的日趋严重,电压闪变检测受到人们越来越多的关注。将基于遗传算法优化的匹配追踪算法应用于电压闪变检测中,检测电压闪变中调幅分量的幅度、频率和相位等参数。先利用傅里叶变换分解出电压闪变信号中基波分量;然后将剩下的调幅分量用与之结构相匹配的参数原子进行分解,同时可获得各次调幅分量的参数;最后,通过仿真验证了该检测方法的有效性。

继电保护测试仪检测装置的研发

针对继电保护测试仪检测要求准确度高、宽频及多功能等难题,研制开发了采用DSP+AVR+嵌入式工控机架构的继电保护测试仪检测装置。DSP负责信号的采样、处理和计算等,嵌入式工控机负责数据处理、显示和键盘处理。试验结果表明,该装置可对继电保护测试仪进行总谐波畸变率、响应速度、同步性、带负载能力、动作时间等技术参数的功能检测,满足精度要求,实现了继电保护测试仪的检测多功能、宽范围和高准确度上的统一。

基于降噪自编码的电能质量扰动识别

针对目前电能质量扰动识别时特征提取不充分,造成识别精度不高的问题,引入了降噪自编码算法。降噪自编码算法起源于自动编码算法,两者都属于深度学习算法。其中,自动编码算法已经被应用于电能质量扰动识别,并取得了一定的成果。但是,自动编码算法对含噪声干扰的电能质量扰动信号的识别精度还不是很理想。本文采用降噪自编码算法,将克服这一问题。首先对无噪声的扰动信号用噪声进行"破坏",然后用带噪声信号去重构原始信号,得到扰动信号波形的固有特征,最后通过BP神经网络分类器对整个网络进行微调,得到最后用于分类的特征样本。该方法降低了传统特征提取算法对特征选取不当,造成分类识别精度不理想的风险,并在一定程度上提高了含噪声的电能质量扰动信号的识别精度。仿真结果表明,该方法在识别含噪声的电能质量扰动信号上有很大的优势。

一种新的电能质量扰动特征提取与识别方法

为了克服电能质量扰动识别时由于特征选择和提取不当造成最后识别精度低的缺点,提出一种基于数学统计的电能质量扰动幅值采样点数的特征提取方法和PSO-SVM电能质量扰动识别新方法。该方法根据10个周波信号的幅值差异,统计每段幅值范围内的采样点数,对其进行处理后作为各扰动信号的特征,然后采用PSO-SVM分类器对多种扰动信号进行分类识别。该方法特征提取的过程简单,减少了大量的计算处理时间。仿真实验结果表明,该方法能快速地识别出各种扰动信号,且识别精度高于传统方法并具有较好的抗噪声性能。

冲击负荷电能表电流采样方法讨论

特殊运行环境下,一些常规电能测量方法可能出现问题。仿真计算揭示了目前宽量程电能表常用的量程切换机制产生误差的原因,介绍了一种新的电流采样方法及其实现方案。新方法采用多调理采样支路并列运行方式,消除量程切换导致的采样数据误差,实现电流宽范围快速波动运行环境下的电流准确采样。以该方法研制的设备经计量部门测试合格。该方法可用于安装式冲击负荷电能表及其检定用标准电能表设计。

基于堆栈降噪自编码网络的电力负荷识别

电力系统中负荷识别需要进行特征选择,而常见的人工方式特征选取比较困难。为解决负荷特征选择困难的问题,采用一种基于堆栈降噪自编码网络(SDAE)的电力负荷识别方法,能有效选取现场真实负荷波形的特征并加以识别,该方法是由一层后向传播的神经网络和多层降噪自编码器(DAE)构成。首先向数据信号中掺杂一定比例的噪声进行“破坏”,然后采用“破坏”后的信号重构原始信号,进而得到数据信号的波形特征,最后采用BP神经网络对整个数据处理网络进行有效监督和微调。经过现场实时采集的电力负荷波形数据验证,相较于BP神经网络算法,该方法的识别效果更佳。实验结果显示,采用SDAE方法在8类电力负荷的识别中辨析识别率超过96%。

一起用户采集电量跳变问题的原因分析

变场运行中,集中器采集到的电表电量发生跳变,不仅会影响电费的及时收缴,还会引起计量纠纷。本文首先介绍了问题台区的基本情况,然后结合深入的现场排查和一系列的技术分析,找出问题的原因是集中器抄读电表的日冻结数据时没有时标判别过程。最后提出具体方案,解决了采集电量跳变的问题。

基于卡尔曼滤波算法的网络信息观测器设计

传统电力系统大多采用统一的控制和管理,对量测设备和通信设施依赖性强。一旦发生通信延时、丢包等故障,会影响系统状态监测和系统控制。因此,针对分布式电源接入的配电网系统,提出了一种基于卡尔曼滤波算法的无通信网络信息观测器,其可以实现对系统节点电压和分布式电源本地信息无通信信息观测。仿真分析结果验证了所提观测器的有效性。

一起智能电表频繁掉电重启事故的原因分析

现场运行的单相载波智能表频繁掉电重故障不仅会影响电量的准确计量,还会引起计量纠纷。本文首先介绍了故障的基本情况,然后结合电表掉电重启原理和试验结果分析,得出因载波模块的动态功耗过大使得作为掉电判断依据的直流VCC_12V的电压降低到掉电阀值以下,从而引起故障发生的结论。最后提出具体的应对措施,解决了故障问题,同时也避免了其它批次同类型载波智能表在现场运行时出现相同故障。

基于深度置信网络的电力负荷识别

针对目前电力负荷自动识别中存在的人工选择特征困难的问题并且为了进一步提高识别精度,提出一种基于深度置信网络(DBN)的电力负荷识别方法。DBN 是一种深度神经网络架构,在图像识别、语音识别以及电能质量扰动识别等领域有着成功的应用。DBN 由多个受限玻耳兹曼机(RBMs)和一层后向传播神经网络组成。使用对比散度算法,首先对第一个 RBM 进行充分训练,获取初始特征;然后将这些初始特征值作为训练数据训练下一个 RBM 以获取高级特征,以此类推;最后,通过反向传播算法采用监督方式微调整个 DBN。实验结果表明所提方法在8 种电力负荷类型的识别上有很好的效果,平均识别率超过 98%。

基于卷积神经网络和随机森林的三相电压暂降分类

特征提取是电能质量扰动识别的关键步骤,然而传统的数学变换与浅层神经网络相结合的方法无法自动提取特征。为此,提出了一种基于卷积神经网络(CNN)和随机森林(RF)的混合模型来对三相电压暂降数据进行自动特征提取及分类。首先,将三相电压暂降数据转换为空间相量模型(SPM);其次,利用CNN对SPM进行特征提取;最后,将RF应用于分类。为了加快CNN训练速度并缓解过拟合,引入了Dropout、学习率指数衰减和自适应矩估计权值更新算法。实验结果表明,与其他分类方法相比,所提方法具有较好的泛化性能和较高的分类准确率,这为电压暂降识别提供了一种客观、高效的辅助手段。

Teager-Kaiser能量算子Blackman-Harris窗三谱线插值的电压闪变参数检测

针对电压闪变的检测,提出了一种基于Teager-Kaiser能量算子和Blackman-Harris窗三谱线插值的闪变参数测量方法。采用能量算子检测出电压波动信号,分析Blackman-Harris窗的旁瓣特性,将闪变包络进行Blackman-Harris窗三谱线插值FFT谱分析与校正,对IEC标准推荐的检波方法进行简化,实现闪变参数的检测分析。通过大量仿真实验证明,在含有单一频率调制、多频率调制、电网基波频率发生偏移、含有谐波、间谐波和白噪声干扰时,文中的检测算法性能优良,相比传统检测方法,算法简单稳定、抗干扰性强,可实现电压闪变参数的在线检测。

适用于R46国际建议的电能表常数试验方法

R46国际建议对电能表常数的技术要求与国际电工委员会标准有所不同。因此,提出了一种适用于R46国际建议的电能表常数试验方法。首先确定通过被检表的最少电能量以确保试验的准确可靠,然后得到最短试验时间的表达式,并且在功率因数为1的条件下,分析最短试验时间和试验所施加的电流之间的关系。利用该方法对被测电能表进行试验,结果验证了该方法的可行性。

现场运行的集中器电压交流采样缺相故障分析

集中器是一个用电信息采集系统中重要的终端设备,需要得到重点保护,而采集系统对提高电力用户用电质量和提升企业化精益管理水平具有重要意义。通过对现场的集中器电压交流采样缺相故障进行分析,提出了故障可能存在的各种情况,根据国家标准依次对故障进行初步分析,做了电源电压变化试验,抗接地故障能力测试,电压暂降和短时中断试验,雷击浪涌抗扰度试验和限流电阻失效分析,最终得出限流电阻失效的结论,并对失效原因进行进一步分析。

基于频率非同步采样方式下的交流电能表测试装置研制

针对采用采样计算工作方式的交流电能表,非同步采样会引起频谱泄露,进而影响其测量结果的准确性。为考核交流电能表的计量性能,文中构建了频率波动测试信号,研制了其试验装置。新装置输出的电压和电流信号其频率波动方式、频率范围及变化速率均可调。频率转换单元使试验装置内嵌的标准表在频率动态波动时仍能保证计量准确,解决了目前现有测量设备不能定量评价频率波动对交流电能表计量特性影响的问题。最后采用基于时分割乘法器原理的标准表对该装置进行了测试,测试结果表明:在频率变化范围为47 Hz~53 Hz,变化速率为0.75 Hz每周波的条件下,该装置的误差均在±0.1%范围内,标准偏差值均小于0.01%,满足准确度等级为0.1级的要求。