基于改进VMD-MCKD和深度残差网络的风机齿轮箱故障诊断

行星齿轮箱是风电机组传动系统中的重要部件,其运行工况复杂,背景噪声大,导致齿轮早期故障信号微弱且极易受背景噪声的影响。针对风电机组齿轮箱早期故障特征难以有效提取,齿轮故障难以识别的问题,提出一种风机齿轮箱故障诊断方法。首先,通过变分模态分解算法（variational mode decomposition,VMD）分解风机齿轮箱原始振动信号,获得振动信号故障的最优模态分量;接着,利用最大相关峭度解卷积算法（maximum correlated kurtosis decnvolution,MCKD）通过解卷积重构最优模态分量,削弱背景噪声增强故障冲击成分,获得故障特征;同时利用麻雀搜索算法（sparrow search algorithm,SSA）优化惩罚因子α、模态分解个数K、滤波器阶数L和反褶积周期T等参数,提升振动信号故障特征提取的准确度;最后,构建基于深度残差网络（deep residual network,ResNet）的齿轮箱故障诊断模型,建立齿轮箱故障特征与类别的非线性映射关系,实现风机齿轮箱故障分类识别。实验结果表明,所提风机齿轮箱故障诊断方法的准确率达到97.48%,相...     

基于改进长短期记忆神经网络的短期负荷预测

精确的负荷预测是电力系统规划、设计的有力支撑,是电网安全经济运行提供重要保障。实际应用中,存在由于数据采集设备故障、系统突发事件导致相关数据资料不准确从而影响短期负荷预测结果的情况。本文提出基于小波变换的长短期记忆神经网络负荷短期负荷方法WT-LSTM(wavelet transform -long short-term memory),利用小波变换的时频特性对负荷数据的伸缩变换进行细化,实现高频系数量化处理;结合长短期记忆神经网络的梯度计算,提高负荷预测的准确性和可靠性。通过变电站负荷数据以及区域办公楼实验,仿真结果表明本文方法能够有效处理负荷原始数据中的噪声,从而提高负荷预测精度和鲁棒性。     

基于功率二次微分的光伏系统改进MPPT算法研究

提出了一种基于功率二次微分的改进最大功率点跟踪（MPPT）算法（简称PQD-MPPT算法）。算法在系统启动时采用恒定占空比启动,并给出了恒定占空比的求解公式,提出了根据功率变化量来调整跟踪步长的方法,当功率变化较大时,采用自适应大步长以使系统快速跟踪到最大功率点附近,反之较小时,根据功率对占空比的二次微分值的正负进一步划分跟踪区域：即当功率二次微分值为正时,采用固定大步长以使系统快速跟踪到最大功率点附近;当功率二次微分值为负时,采用自适应小步长以使系统能够稳定工作在最大功率点处。实验结果表明,与现有变步长MPPT算法相比,该算法具有良好的跟踪性能     

计及频率变化的感应电动机实用模型

频率是电力系统运行中的重要参数,电力系统仿真计算中必须考虑电力设备的频率特性。为此在电动机物理Park模型的基础上,重新定义电动机模型的实用变量,提出了考虑频率变化的电动机新定义3阶实用模型。传统定义3阶实用模型在实际应用中往往忽略了频率的导数项,由此给系统仿真带来了误差;而在新定义3阶实用模型中,实用变量的定义均不包含频率,电动势为磁链的线性关系,在电动势求导过程中不会出现频率的导数项。与传统定义3阶实用模型相比,该新定义3阶实用模型能够在不增加模型阶数的前提下准确考虑频率的影响。通过仿真算例验证了新定义3阶实用模型的准确性和有效性。     

考虑柔性资源灵活支撑的电网有功/无功优化调度

电气化交通是交通电力耦合的重要场景,大规模电动汽车接入对于电力系统的有功/无功调度具有重要影响。提出了一种考虑电动汽车有序充电无功支撑的配电网有功/无功优化方法。首先,基于电动汽车充电特性,建立电动汽车有序充电功率控制模型,实现电动汽车并网接入的有序充电控制;其次,构建结合用户侧和电网侧因素的电动汽车有序充电无功支撑双层优化模型,实现电动汽车与电网间的有功/无功功率交互;最后,通过仿真验证所提方法的合理性和可靠性。通过控制电动汽车有序充电的功率因素,能够大幅降低用户侧充电支出,同时还能有效改善电网负荷波动和降低网络损耗,为解决电动汽车大规模接入电网问题提供新思路。     

动态无功优化的简化方法及实现

离散控制设备动作次数约束造成动态无功优化问题的时空强耦合。提出了求解动态无功优化问题的新方法,通过合理分配控制设备动作时间,达到系统无功的整体优化。该算法根据静态无功优化确定的控制设备值及全天控制约束,对控制设备各时段解耦,从而确定控制设备的预动作表,即在每个时段控制设备是否允许动作。根据动作表确定当前研究时段可动作的设备并进行优化,根据优化结果及全天动作次数约束,重新调整该时段后续时段的动作表,从而达到解耦优化的目的。该方法数学模型简单,便于实现,在完全满足动态次数约束的前提下有效降低系统在一天内的有功损耗,能够满足实时运行的需求。     

一种用于在线电压稳定分析的事故筛选和排序新方法

提出一种用于在线电压稳定分析的事故筛选和排序新方法.这种方法利用事故前后节点电压的降落和有功网损上升作为综合指标进行事故筛选,快速地在大量可能的预想事故中选择出少部分可能引起电压失稳的事故.然后采用改进连续潮流法计算准确的有功裕度指标并进行排序,极大地提高了事故扫描速度,并将之用于福建电网的在线电压稳定监控系统,在速度上满足在线运行要求,证明了该方法的优越性.     

基于TPA-MBLSTM模型的超短期风电功率预测

风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力（time pattern attention,TPA）机制的多层堆叠双向长短期记忆网络的超短期风电功率预测方法。首先,利用基于密度的含噪声空间聚类方法（density based spatial clustering with noise,DBSCAN）和线性回归算法进行风功率数据集的异常值检测,利用k最邻近（k-nearest neighbor,KNN）插值法重构异常点数据;其次,综合考虑风电功率与各气象特征的内在关联性,在MBLSTM网络中引入TPA机制合理分配时间步长权重,捕捉风电功率时间序列潜在逻辑规律;最后,利用实验仿真数据进行分析验证本文方法的有效性,该方法能够充分挖掘风功率与风速影响因素的关系,从而提高其预测精度。     

基于数据驱动和多场景技术的微电网并网等效建模

微电网并网等效建模是含大规模微电网并网电力系统仿真分析的基础,但分布式电源的随机性和波动性导致微电网并网模型参数的不确定性和结构的多样性。提出一种基于数据驱动和多场景技术的微电网并网等效建模方法,利用马尔可夫链建立基于分布式电源随机概率特性的微电网运行场景,明晰微电网场景间的时间关联性。在传统k-means聚类算法的基础上增加马尔可夫影响因子,加速微电网运行场景向聚类中心聚集以及场景消减,从而获得微电网典型运行场景。针对每个典型运行场景建立基于长短期记忆(LSTM)神经网络的微电网并网等效模型,利用LSTM神经网络的时序逻辑特性和内部非线性映射特性描述微电网并网点整体动态运行特性。仿真结果验证了所提方法的合理性和有效性。     

基于混合混沌算法的电力系统无功优化

提出了一种基于混沌算法的主动禁忌混合混沌算法(RTSCOA),该算法结合了混沌算法的全局遍历性和禁忌算法的“记忆”功能,利用主动禁忌法的反馈机制控制管理禁忌表长度,能够有效地跳出局部极小点。分别对IEEE 6和IEEE 30节点进行仿真,并与标准遗传算法/改进遗传算法(SGA/AGA)进行比较,以证明该算法在电力系统无功控制中应用的有效性。经比较,该方法较其他算法在计算速度、寻优能力上有一定的提高。