排序方式: 共有67条查询结果,搜索用时 640 毫秒
1.
基于云推理及加权隐式半Markov模型的变压器故障预测 总被引:1,自引:0,他引:1
为分析电力变压器运行过程中的状态变化并准确预测潜伏故障,在现有研究基础上建立了基于云推理及加权半Markov退化模型(HSMM)的变压器故障预测方法.利用云理论对故障变压器油中气体样本数据训练以发掘对应定性云概念,并构建油中气体状态空间.基于变压器运行状态变化规律分析引入老化因子,通过多步长加权方法在Markov链中引入历史运行状态信息,构建了加权HSMM退化模型对变压器运行状态进行预测.若预测DGA表征的变压器运行状态处于异常时,利用构建的云推理组合规则发生器对变压器故障类型进行诊断.多实例分析验证表明:基于加权HSMM退化模型能准确预测变压器运行状态;相较于其它常用预测方法,其在非等间隔观测数据或出现波动情况下鲁棒性及准确性更佳;结合基于云推理机制的故障诊断方法能实现变压器状态的准确预测和故障诊断. 相似文献
2.
基于混合算法的配电网故障重构与孤岛运行配合 总被引:2,自引:0,他引:2
基于二进制粒子群和差分进化的混合算法,构建了故障恢复的数学模型,对重构、拓扑识别、孤岛划分、潮流计算和目标函数计算的实现进行了详细描述;并提出一种能使配电网重构和孤岛划分合理配合的恢复策略,即在重构过程中进行孤岛划分,通过建立孤岛界限矩阵判断重构时能否产生孤岛,将孤岛划分后得到的停电负荷作为目标函数的一部分,使重构和孤岛划分的结果共同影响全局最优解,从而使这2种恢复方式更具有整体性。以IEEE 33节点配电系统作为算例验证了算法的有效性。 相似文献
3.
小电流接地系统单相接地故障选线新方法 总被引:1,自引:0,他引:1
为改进小电流接地系统单相接地故障选线方法,结合数字信号处理中的相关分析技术与小波包分解技术,利用db小波包以适当频带宽度分解了这种故障后的暂态零序电流,自适应地选出各条线路上故障能量最大的特征频段。两两相关分析各线路故障特征频段对应小波包分解系数的波形,获得相关矩阵,并求出各线路的综合相关系数,最终给出按接地故障发生可能性大小排列的选线结果。理论分析及大量MATLAB仿真结果表明:该法不受故障条件的影响,可准确、可靠地实现配电网单相接地故障选线,适于中性点不接地或经消弧线圈接地系统。 相似文献
4.
以风电机组功率变流器可靠性评估为背景,给出了一种直流侧电容的可靠性评估方法。基于电容的损耗计算方法,结合热网络结构,构建了直流侧电容的可靠性分析流程。综合考虑电容的可靠性影响因素,分析了环境温度、风速、电容等效串联电阻及热阻的变化对直流侧电容可靠性的影响。以某风电场2 MW双馈风电机组结合实际风速、气温数据为例进行验证,实例结果验证了理论分析的正确性。讨论了当风电变流器实际工作时,利用优化变流器直流侧设计或电容的散热环境等措施提高直流侧电容的可靠性,结果表明了所提方案的可行性。 相似文献
5.
6.
电力短期负荷的多变量时间序列线性回归预测方法研究 总被引:19,自引:3,他引:19
根据单变量时间序列的相空间重构思想,提出了一种电力短期负荷的多变量时间序列相空间重构方案,同时针对每一分量时间序列采用互信息法进行最佳延迟时间的选择,最优嵌入维数则采用最小预测误差法进行确定。根据相点间的欧氏距离和关联度,提出了最近邻域点的优化选择方法,建立了多变量时间序列的一阶局域线性预测模型。通过重庆某地区电力系统短期负荷预测的计算实例表明,基于多变量时间序列的负荷预测方法与单变量负荷预测方法相比,具有较强的自适应能力和较好的预测效果。 相似文献
7.
8.
针对目前配电网单相接地故障定位结果不够准确的问题,提出了基于Zigbee无线技术和零序电流增量法的配电网单相接地故障定位方法。分析了Zigbee无线传感器网络技术以及利用其采集线路零序电流的优势,设计了基于无线传感器网络的单相接地故障定位系统结构,采用了精确时钟协议(PTP)的时间同步算法解决了时间同步性问题, 完成了用于构建无线Zigbee网络的协调器节点和传感器节点的软硬件设计。在实验室环境下,对电流传感器的幅频特性和无线传感器网络实测的线路零序电流进行了实验分析,结果表明,提出的采集分布式线路零序电 相似文献
9.
粗糙集信息熵与自适应神经网络模糊系统相结合的电力短期负荷预测模型及方法 总被引:11,自引:3,他引:8
电力系统短期负荷预测不仅要考虑负荷本身的历史时间序列,而且与气象因素密切相关,自适应神经网络模糊系统(Adaptive Neuro-Fuzzy Inference Sysrem,ANFIS)模型是一种有效的预测方法,而系统输入变量的合理性选择是影响预测效果的关键所在.作者通过粗糙集理论中的信息熵概念对解决这一问题进行了尝试,选取与待预测量相关性大的参数作为输入.所构造ANFIS系统是基于数据进行建模并进行参数辨识的,这样有效地避免了模糊推理系统(Fuzzy Inference System,FIS)中人为主观因素对预测的负面影响,客观地反映了相关变量与负荷值之间的复杂关系.用该方法与常用BP神经网络及常用FIS分别对重庆市某区进行了一周的日负荷预测,通过对实例的对比分析表明了该方法具有较好的收敛性和预测精度. 相似文献
10.