风电机组健康状态预测中异常数据在线清洗

风电机组数据采集与监视控制系统(SCADA)运行数据中含有大量异常数据,对风电机组健康状态预测影响严重,为此针对实测风速-功率、转速-功率数据,提出一种异常数据在线清洗方法.由于机组性能退化过程中数据特征趋于复杂,基于经验Copula-互信息(ECMI)选择关键特征参量作为数据清洗对象,并基于Copula建立置信等效功率区间描述其非线性与不确定性.针对置信边界外的堆积点和离群点,结合其时序特征与密度分布建立Copula数据清洗模型(Copula-TFDD),依次进行在线清洗.最后,基于实际数据与人工模拟数据分析模型的精度、运算效率以及对机组健康状态预测的影响表明,Copula-TFDD能准确并实时地识别各类异常数据,有效提升风电机组健康状态预测的性能.     

基于深度学习增强的LSD杆塔倾斜度检测

杆塔的倾倒会对整个电网产生严重的破坏并威胁周围居民的生命安全,电力巡检无人机利用计算机视觉对杆塔进行巡检既节省了人力资源又显著地提高了电网的巡检效率.为了国网巡检人员在杆塔倾倒前及时得到预警,对电力巡检无人机中的基于计算机视觉的杆塔倾斜检测算法进行了研究,设计了一种基于YOLOv3的深度神经网络结合LSD线段提取方法对杆塔的倾斜进行检测.利用在山西电网无人机实际巡检的杆塔图片制作杆塔的VOC2007数据集并利用YOLOv3神经网络对杆塔进行目标检测,并将检测后得到的Bounding box根据网络训练后的mIOU参数进行微调后作为LSD检测的ROI.接着,该方法在ROI中将检测的线段进行过滤和融合,根据杆塔特点进行杆塔的二次识别.最后利用得到的杆塔外边线做出该方向上的杆塔中线并计算杆塔在该方向的倾斜度.该文中实验利用山西国网电力公司提供的数据进行验证,结果表明,杆塔的倾斜检测效果在各种拍摄高度和背景干扰下都较为精确,杆塔目标的正确识别率达到97％,倾斜度检测平均误差小于0.85°.     

六分量大阻力复合式结构天平研制与应用

着陆巡视器和探月返回舱等短钝体风洞试验模型具有更大的阻力测量范围和更短的长度尺寸,为了提高该类模型在风 洞试验中的测量精准度,研制了一种新型复合式结构大阻力六分量应变天平。 与传统串联式结构天平相比,复合式结构天平结 构紧凑而阻力承载能力更强,能够完全安装于模型内部从而减少温度对天平测量精准度的影响;数值模拟结果表明,复合式结 构天平的平均应变、灵敏度、强度等能够满足风洞试验要求;复合式结构天平静态校准综合校准准度优于 0. 21%,满足国军标相 关技术指标。     

基于混沌理论和GOA-K-means算法的有载分接开关状态特征分析计算方法

为更加准确有效地监测变压器有载分接开关(OLTC)机械状态,针对传统基于K-means的监测方法聚类效果易受其初始聚类中心选择的影响,该文提出一种基于蝗虫算法(GOA)和K-means相结合的OLTC机械状态监测方法.首先针对OLTC振动信号的非线性和混沌特性,利用P-G法和互信息值法计算嵌入维数和延迟时间,对实测的OLTC振动信号进行相空间重构;其次应用Kolmogorov熵对重构后的振动信号混沌特性进行判断;最后为提高聚类精度,针对K-means对初始聚类中心的敏感性,将蝗虫算法引入该算法对其聚类中心进行优化,对重构后的高维振动信号采用优化的K-means聚类方法进行分析.研究结果表明:在OLTC的振动信号识别应用中,优化的K-means聚类算法得到的特征量计算结果具备一定的规律性.研究结果为OLTC的机械运行状态监测提供了一种新的途径.     

面向多源电力感知终端的异构多参量特征级融合:融合模式、融合框架与场景验证

对多源电力感知终端产生的异构多参量数据进行融合分析,是实现电力物联网下电力目标有效感知的关键.目前,电力多参量融合仍以同构多参量融合和决策级异构多参量融合为主,异构、多源的融合及分析技术薄弱,无法满足电力物联网下的异构多参量深度融合需求.该文提出一种适用于电力结构化时序参量和非结构化图像参量的普适性融合框架,可用于电力对象的描述性、预测性或决策性分析.首先考虑电力时序参量的时间和空间特性,将其转换为适用于非线性混沌系统的递归图,从而使其和非结构化电力图像具有相同的描述空间;然后用卷积神经网络对二类参量进行特征提取,并对特征矩阵按权重进行拼接融合、全连接和目标感知;最后,以输电线路覆冰等级感知和绝缘子污秽等级感知为应用场景,从精确性和容错性角度对所提模型进行分析,验证了所提模型的普适性.     

计及直流微电网扰动抑制的残差动态分散补偿控制策略

针对直流微电网电能质量问题与环流问题,提出一种计及直流微电网扰动抑制的残差动态分散补偿控制策略.此策略在直流下垂控制的基础上,首先分析直流微电网扰动问题及并联状态下的环流问题;其次建立Buck型与Boost型多DC-DC变换器并联的状态空间模型,推导基于残差的变换器动态分散补偿结构,该结构直接在电压环输出端进行补偿,通过扰动抵消计算补偿控制器Q*(s).采用小信号稳定性分析方法证明本文补偿结构的稳定性;最后基于RTDS搭建数字物理实验平台,以相同与不同类型变换器并联为例进行实验验证.该结构能够加快分布式电源及公共负荷投切时直流母线电压动态响应速度,有效地抑制了环流影响和交流侧不平衡情况引起的直流母线电压二倍工频扰动,维持了电压的一致性,保证了母线电压的稳定,有助于实现分布式电源的"即插即用"技术.     

基于改进经验小波变换的高压电缆局部放电噪声抑制研究

对高压电缆的局部放电(PD)进行监测,并对其所包含的噪声信息进行抑制,是一种有效的绝缘评估方法.针对PD信号所包含的复杂噪声信息,提出一种基于改进经验小波变换(IEWT)的噪声抑制方法.该方法以IEWT分解为核心,通过将含噪信号分解为按频率顺序排列的经验小波函数(EWF),有效避免复杂噪声信号分解时的模态混叠现象.利用峭度规则对分解得到的EWF进行筛选,最后对筛选出的有用EWF进行重构和降噪处理,达到对复杂含噪信号的噪声抑制效果.模拟仿真以及现场测试表明,与现有基于EWT和基于EMD的降噪方法进行对比,该文所提方法可更有效地抑制PD信号所包含的噪声信息.     

基于机器学习的人体步态检测智能识别算法研究

为实现快速步态状态判断,以更好地对下肢外骨骼进行高精度的步态识别和控制,进行了基于可穿戴惯性测量装置检测人体姿态变化的算法研究。通过对人体下肢的跌倒、转弯、蹲坐与起立等非周期性步态变化活动进行测算试验,获得了受试者实验过程中身体角度、下肢关节角速度和加速度变化等数据,随后应用随机森林等4种机器学习经典分类算法对受试者进行了活动识别对比分析,结果表明,决策树监督学习算法相对于其他算法,能够快速、准确地检测并判断出人体非周期性变化中的多种活动状态,历次识别精度均可达到99%以上,为可穿戴智能装备的开发与应用提供理论基础。     

6CrW2Si钢渗碳后热轧形变制作冷剪刀的研究

6CrW2Si钢渗碳后经热轧形变可使渗层碳梯度平缓,碳化物分布均匀,消除了表层网状碳化物;淬火后可得到细的马氏体组织,并使残余奥氏体量减少;回火后硬度为HRC60～62。分析认为,可以用热轧形变量大小控制渗碳层的碳梯度。该工艺用于金属冷剪刀上使用寿命提高一倍。     

粉末注射成形Fe-50%Ni软磁合金

Fe-50%Ni合金是一种典型的高磁导率和低矫顽力的软磁材料,有着广阔的应用前景.本次实验以羰基铁粉和羰基镍粉为原料粉末,采用注射成形方法制取Fe-50%Ni软磁合金,研究了高能球磨制备粉末对注射成形工艺以及材料性能的影响.研究结果表明与未经过高能球磨的混合粉末相比,高能球磨改变了原料粉末的粒度和粒度组成,提高了粉末的振实密度,进而提高了装载量.通过显微组织分析得知,高能球磨能使两种粉末发生塑性变形并冷焊合,形成了复合粉,促进了两种成分之间发生扩散和固态反应,同时还增加了粉末颗粒的能量,使颗粒表面活化,促进了烧结,提高了烧结材料的致密度.本实验最终获得了高性能的软磁合金材料磁导率41.27 mH/m,饱和磁感应强度1.498 T,矫顽力7.533 A/m.所得到的软磁材料性能优于相应传统粉末冶金方法获得的材料性能.