基于馈线组的配网馈线故障集中处理模式

馈线故障自动处理是配电自动化系统的重要功能,该方案介绍一种基于馈线组的配网馈线故障集中处理模式,可克服传统的配网馈线故障集中处理模式下不能针对不同区域情况采用不同的故障处理方式的问题,避免设备故障检测的保护信号调试对馈线故障处理功能的影响。     

基于人工神经网络的智能配网实时故障图像识别系统

配网巡检的故障图像识别由于图像特征提取效果差,存在故障识别准确性低的问题,在该背景下,设计一种基于人工神经网络的智能配网实时故障图像识别系统。该系统根据模型-视图-控制器（model view controller,MVC）设计模式设计框架结构,包括无人机采集层、数据传输层以及地面站系统操作层。在硬件设计部分,借助无人机搭载拍摄设备,采集配电网设备图像,并通过无线数据传输电台将图像传输到地面站,实施图像处理与识别;在软件部分,利用人工神经网络算法,结合粒子群算法等,设计巡检路径规划、图像采集传输、图像特征提取以及图像识别4个关键功能模块。实验结果表明：在设计系统的应用下,识别出研究区域发生的配网故障;通过图像样本,系统识别结果准确性达到94.5%以上,证明了系统的有效性。     

配网故障后快速恢复供电的新方法

针对具有多个联络开关的配电网故障后的恢复供电问题,提出了一种新思路。该方案的目的是提高运行的可靠性,尽量缩短停电时间,同时扩大恢复范围,为了达到尽可能短的停电时间,对SCADA实时采集的数据进行预处理,故障发生且隔离后,能够快速查找出营救方案对非故障区域供电。最终以一个实例,说明了这种方法在复杂多供电恢复路径情况下的有效性。     

基于改进BPSO算法的含微网的配电网故障恢复方法研究

针对配电网中微网的接入使故障恢复需要考虑的安全因素更多,目前的故障恢复方法存在计算量大、故障恢复时间长等问题。以最小网损、最少开关动作次数和最少失电量为目标函数建立了含微网的配电网故障恢复模型,并将改进的二进制粒子群算法和遗传算法相结合用于模型求解。对多种故障恢复情况进行分析,验证了该故障恢复方法的可行性。结果表明,相比于传统恢复方法,所提方法收敛速度快、适应性强、恢复效果好。研究成果为我国智能电网的发展提供了一定的参考。     

基于双种群CSO算法重构的含DG配网故障恢复

为兼顾配网故障恢复的快速性和最优性,提出一种基于重构的分级响应故障恢复方法,并应用双种群纵横交叉(crisscross optimization algorithm,CSO)算法寻求重构方案.首先在故障隔离后利用启发式规则进行局部重构,以较少的开关动作次数快速恢复配网连通性.然后在局部重构后有安全指标越限时,利用改进的...     

基于Petri Nets和遗传算法结合的配变变压器故障的恢复研究

在基于Petri Nets(PN)模型的配电变电站的在线故障恢复研究中,重点研究了变压器的PN恢复处理模型与优化策略模块的结合:PN模型依据配变运行模式、非故障变压器容量对转移负载和过载的承受力来考虑恢复策略的求解操作;在甩负荷操作时,则按供电可靠性的原则对负荷重要性排序,按尽量少的操作次数、按流过母联功率最小作约束,构造有序优化约束目标的全局优化GA算法来完成.该文的变压器故障恢复方法,不仅保证了PN模型数学求解的快速优势,而且可克服单一PN模型恢复中优化处理和刻画动态特性的局限性.仿真结果表明研究方法是可行、有效的,具有较高的实用价值.     

基于人工神经网络和模糊集的电力系统短期负荷预测方法

综合考虑到温度、日期类型和天气等因素对短期电力负荷的影响,提出了一种将人工神经网络(ANN)RBF模型和模糊逻辑相结合的短期负荷预测方法.该方法将电力负荷分为周期性的基本负荷和受多种因素影响的变动负荷两部分,对于周期负荷用ANN进行预测,采用负荷预测中比较精确的RBF算法;变动负荷采用模糊逻辑对天气因素、温度、日期类型分别做不同的模糊处理,然后利用模糊推理规则对基本负荷预测结果进行修正.通过典型算例与普通BP法预测结果相比较,结果表明该方法具有较高的预测精度.     

基于加权理想点法的配网故障供电恢复策略

提出一种基于加权理想点法的配网故障供电恢复策略。首先以网损、电压质量、负荷均衡作为重构目标,确定综合评价函数,并利用粗糙集理论确定各子目标函数的权系数,然后基于理想点法获取综合评价函数的最优解。验证结果表明,所提策略更符合实际配网供电恢复的要求,同时克服了传统权重设置依靠先前经验带来的不确定性问题,计算速度快。     

一种基于Petri网模型的配电网故障恢复算法

Petal网是一种对离散事件动态系统进行建模和分析的强有力工具,被广泛应用于各种工业领域。鉴于配电网故障的发生和恢复过程具备异步、并发等动态特征,将Petri网方法应用到配电网故障恢复问题中。提出了基于Petri网的建模方法,将配电网的故障恢复过程抽象为Petri网中的变迁序列,设计了一种基于最优目标状态的故障恢复算法。该方法中提出的Petri网模型结构更为简洁,同时最大限度的保留配电网系统的拓扑结构,便于理解;解决了其中最大的一个优化问题,并与现有算法进行比较,证明了本故障恢复算法的全局最优性和有效性。     

基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法

基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法：首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)神经网络进行训练;当输电线路发生故障时,将提取的故障电流信号的多小波包系数熵特征向量输入训练好的RBF神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。     

基于小波神经网络的配电网故障类型识别

为准确可靠地识别配电网故障类型,应用小波变换技术对故障信号进行预处理,滤除其中大量的谐波和非周期分量,准确地提取工频信息构成神经网络的训练样本集,通过构建小波神经网络实现配电网故障类型的识别。仿真测试表明,此网络模型收敛速度快,并能在各种故障模式下准确实现故障类型的识别,不受故障过渡电阻、系统运行方式以及故障点位置等随机因素的影响。     

基于人工神经网络的继电器评价系统

为在继电器的设计和生产阶段通过多个评价指标评价其整体品质,研究了多层次综合评判模型的可计算性。该模型依据电器产品设计方案关于技术性能和成本的综合评价指标体系,并通过对神经网络原理的评判方法的研究而建立。实例证明,人工神经网络的出现为处理各种模糊的、数据不完全的、模拟的、不精确的模式识别问题提供了一个全新的途径。     

电力电子电路故障的遗传进化神经网络诊断

介绍了一种诊断电力电子电路故障的基于改进遗传进化的神经网络混合算法 ,论述了该算法的理论和运算操作步骤后将其用于电力电子三相整流电路的故障诊断。仿真实验证明该法可诊断电力电子三相整流电路故障 ,且收敛速度快 ,诊断准确度高 ,具有实际的工程应用价值     

基于人工鱼群神经网络的抽油机故障诊断

BP神经网络应用于抽油机的故障诊断时易陷入局部极值,同时收敛速度也无法保证。在此前提下,提出人工鱼群神经网络算法的抽油机故障诊断新方法,充分利用人工鱼群在全局范围的快速寻优特性以克服BP神经网络收敛速度较慢和易陷入局部最优解的缺点,从而提高故障诊断的准确率和速度。以抽油机的管漏、供液不足、杆断脱、泵漏失、气影响五种故障类型为例,利用MATLAB分别搭建了传统BP神经网络和人工鱼群神经网络的模型,并对两种方法的诊断结果进行了比较。仿真结果充分说明了人工鱼群神经网络在抽油机故障诊断中的可行性、准确性和优越性。     

基于人工神经网络的说话者识别研究

简要介绍了说话人识别的概念及人工神经网络的有关理论。以BP网络为例阐述了人工神经网络在说话者识别中的应用。实验证明,该方法不仅识别性能较好、操作方便,在身份认证领域是一种很具有吸引力和发展前途的新方法。     

基于BP神经网络的凝汽器故障诊断方法研究

凝汽器是汽轮机的一个重要的辅助设备 ,其工作情况的好坏直接影响到机组的安全和经济运行 ,因此 ,对凝汽器运行状态的监测与诊断受到电厂运行部门的普遍关注。介绍了应用人工神经网络中的 BP网络进行凝汽器的故障诊断 ,该方法计算简单 ,实用方便 ,且诊断结果具有相当程度的可靠性。     

基于数学形态谱和人工神经网络的高压输电线接地故障类型识别方法

高压输电线接地故障的正确、快速识别是处理故障的前提之一。该文提出了一种基于数学形态谱和人工神经网络识别高压输电线路接地故障类型的新方法。数学形态学颗粒分析是一种用来处理图像的粒度和形状特征的图像处理工具。该方法通过对故障电流进行相模变换后,用数学形态学颗粒分析方法提取序电流分量的形态谱,并作为神经网络的输入,实现对接地故障类型的识别。仿真表明,该方法具有较高是识别率。     

结合遗传算法的人工神经网络在电力变压器故障诊断中的应用

人工神经网络在电力变压器故障诊断中有广泛的应用。常用的反向传播界法存在着容易陷入局部极小点、对初值要求高的缺声、，给故障诊断带来不便。本文提出采用遗传算法优化人工神经网络结构的初仅，将遗传算法与人工神经网络结合起来.迅速得到最佳人工种经网络权值矩阵与阈值向量，实现故障诊断。     

基于残差卷积神经网络的开关柜局部放电模式识别

传统的开关柜局部放电模式识别方法缺乏一定的泛化性能且识别准确率低,难以在实际工程中应用.提出了一种基于残差卷积神经网络的开关柜局部放电模式识别方法,通过在网络中加入残差模块以解决随着网络层数加深导致准确度饱和后出现退化的问题,并综合利用开关柜局部放电数据的浅层与深层特征融合学习,实现模式识别.通过开关柜不同绝缘缺陷类别...