随机共振用于基带信号处理的研究

在对双稳随机共振系统及其数学模型进行简单的介绍后,给出了将该系统应用于实际的基带信号检测应用模型和仿真结果。对将该模型应用于基带信号检测的随机共振物理机制进行了深入的分析,结果表明,在上述基带信号检查中,随机共振是信号,噪声和双稳系统共同作用的结果,三者缺一不可。     

对《电路》(第五版)教材中几处问题的商榷

本文指出《电路》(五版)教材中存在一些不合理之处,其内容涉及到相量图、电路方程矩阵形式、二端口电路三个方面.文中对存在的问题进行了深入分析,给出了具体意见.论文内容对进一步提高《电路》(五版)教材质量有积极作用.     

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.     

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。     

基于合作博弈的微电网群运行优化方法研究

针对微电网群运行提出了一种采用纳什议价理论的合作博弈方法,对并网的微电网群建模并求出其最佳容量配置和最佳容量配置情况下的最大收益。通过纳什议价方案分配发电资源和蓄电池的容量,使单个微电网及其微电网群的年利润最大化。使用粒子群优化算法,通过MATLAB软件求解最优纳什议价方案。最后,针对电价和贴现率进行了敏感性分析,验证了所提微电网群系统优化结果的合理性。     

基于改进向量序优化算法的V2G电动汽车充电站规划方法

电动汽车的充电负荷将极大影响配电网的安全稳定运行,提出一种基于改进向量序优化算法的V2G电动汽车充电站规划方法。首先,对电动汽车可调用的动态功率进行建模;然后构建考虑充电站全寿命周期成本和配电网安全经济运行的多目标规划模型;在此基础上,提出一种基于分散优化理论的改进向量序优化算法,求解得到最优规划方案。最后,以IEEE33节点配电系统为算例,验证了本文方法的有效性和科学性。     

基于自适应差分进化算法的电力系统动态状态估计

提出一种基于自适应差分进化算法的电力系统状态动态估计方法。动态估计包括预测和滤波2个阶段。在预测阶段,利用布朗双指数平滑方法预测下一个时间间隔的状态;在滤波阶段,利用预测阶段获得的预测状态,基于自适应差分进化算法对目标函数进行寻优,通过优化算法提高预测精度,从而减小状态预测的误差。仿真结果表明：所提方法具有较小的估计误差,对坏数据具有较好的抑制能力。     

基于SVM-PSO的电网设备早期故障分类方法

电压暂降通常是电力系统因设备故障等原因导致永久性或早期故障的典型特征,早期故障可能会在首次发生后逐渐发展为永久性故障。提出了一种基于粒子群优化和支持向量机的早期故障分类方法。首先,利用基于Kullback-Leibler散度的检测机制来识别早期故障对应的电压波性数据,结合S变换等信号处理方法来进行特征提取。然后,采用邻域成分分析方法选择与Kullback-Leibler散度、S变换、香农熵及形状因子相关的7个不同特征,以满足对分类方法有效性的数值评估,再结合粒子群优化的支持向量机的方法提出了一种早期故障分类方法。最后,与反向传播神经网络、K最近邻这2种方法相比,平均分类精度分别提高了9.15%、13.7%,表明了所提方法在早期故障分类中的有效性,可作为输电网络中主要电力设备状态监测的有效工具。