基于粒子群优化与K-means聚类的配网5G改造经济性评价方法

针对现有4G网络难以满足配电网业务,而5G通信在配网应用中经济性尚不明确的问题,提出一种基于粒子群优化与K-means聚类的配网通信改造经济性评价方法。建立5G与现有4G通信方式在配网中的基站规划模型,利用自适应粒子群算法与K-means聚类算法,对2种通信方式下的基站安装进行优化;建立改造成本模型,计算5G改造与现有4G通信下的建设成本;建立通信改造经济性评价模型,利用粒子群算法进行优化求解,进而利用求解出的结果评估2种通信在配电网改造中的经济性。     

基于傅里叶变换与最大关联距离相结合的配电网故障选线新方法

针对现有配电网故障选线准确率与可靠性均偏低的问题,提出了一种基于傅里叶变换与关联距离相结合的故障选线新方法。当发生单相接地故障时,利用快速傅里叶变换（fast fourier transformation,FFT）提取暂态零序电流第2个周期内的稳态工频分量,反演后得到暂态零序电流的整体工频分量;剔除暂态零序电流中工频分量后得到非工频自由振荡分量,在此基础上,利用非工频自由振荡分量构建基于关联距离的故障选线新判据;将具备最大关联距离所对应的线路判定为故障线路,与此同时,将其他线路判定为健全线路。仿真结果表明,该方法不受故障电阻、故障相角与故障位置的影响,同时还可抵抗噪声干扰,具有较强的鲁棒性。     

基于双CPU的风电机组电能质量在线监测系统

为了满足电能质量监测高速、高精度、实时性和连续性等性能指标,设计了基于双CPU结构的风力机组电能质量监测系统。介绍了电能质量监测系统的组成,分析了电力参数测量算法,并进行了软件设计。试验结果表明,电能质量监测系统运行可靠,满足电能质量在线监测的实际需求。     

基于Buck电路的矩阵变换器风机直接转矩控制

针对恒速恒频风力发电机控制困难和易受电网谐波影响的问题,提出了一种基于Buck电路的矩阵变换器的风机直接转矩控制方法.利用Buck电路简化传统的三相-三相矩阵变换器控制策略来构造三相-单相矩阵变换器,将该矩阵变换器应用到永磁直驱风力发电机的直接转矩控制系统中,并使用反馈线性化法来简化系统的控制策略.利用Matlab软件的仿真测试结果表明,所设计的矩阵式变换器能显著提高系统的动态响应性能,且提出的控制策略具有良好的稳定性和鲁棒性.     

电流互感器二次侧开路事故分析及过电压估算

针对一起复杂的因电流互感器(TA)二次侧开路而引起L90保护误动的事故,分析了事故的过程及机理.通过对L90保护差动电流的计算,验证了保护的动作行为;通过对二次开路时感应电压的计算与分析,为端子击穿现象找出了理论依据.     

角色扮演教学法应用研究——以“城市轨道交通应急处理”课程为例

城市轨道交通网络化运营对运营管理人员的应急处理能力提出了更高要求,也给城市轨道交通运营管理专业的教学带来了新的挑战。文章在对城市轨道交通运营管理专业就业岗位技能要求进行模块化分析的基础上,重点抓住角色扮演教学方法的“导”“演”“评”的过程,深入研究角色扮演法在“城市轨道交通应急处理”课程中的应用。从效果来看,角色扮演教学法能有效提高课堂教学效率,提升学生职业技能、应急思维能力、团队协作能力以及综合处理能力,满足应用型人才培养的要求,适应企业的需求。     

基于加速梯度投影法的谐波源定位方法

针对传统谐波源定位计算复杂且精度低的问题,结合考虑到谐波源分布的稀疏性,提出了一种基于加速梯度投影法的谐波源定位方法.以节点的注入谐波电流为状态量,以支路的谐波电流为量测量建立谐波源定位约束二次规划模型,并基于滞后最速下降法来求解加速梯度投影问题.该方法能自动选取动量参数,只需要较少的测量值即可快速定位谐波源,显著提高收敛速度.在不同噪声干扰条件下的仿真实验结果表明,提出的方法能获得更高的谐波源定位精度,且具有一定的抗噪声能力.     

基于傅里叶变换与最大关联距离相结合的配电网故障选线新方法

针对现有配电网故障选线准确率与可靠性均偏低的问题,提出了一种基于傅里叶变换与关联距离相结合的故障选线新方法。当发生单相接地故障时,利用快速傅里叶变换（fast fourier transformation,FFT）提取暂态零序电流第2个周期内的稳态工频分量,反演后得到暂态零序电流的整体工频分量;剔除暂态零序电流中工频分量后得到非工频自由振荡分量,在此基础上,利用非工频自由振荡分量构建基于关联距离的故障选线新判据;将具备最大关联距离所对应的线路判定为故障线路,与此同时,将其他线路判定为健全线路。仿真结果表明,该方法不受故障电阻、故障相角与故障位置的影响,同时还可抵抗噪声干扰,具有较强的鲁棒性。     

基于GAF与卷积神经网络的配电网故障选线新方法

消弧线圈接地配电网的暂态零序电流特征和选线结果呈现复杂的非线性关系,传统选线方法不适用于弱故障特征提取。为提高配电网的故障选线准确性,提出了一种基于格拉米角场GAF(Gramian angular field)与卷积神经网络CNN(convolutional neural network)的故障选线新方法。首先对不同工况下的零序电流进行GAF变换,利用变换后的GASF(Gramian angular summation field)和GADF(Gramian angular difference field)特征图样本集训练CNN,用于判定待测馈线是否故障。为提高选线方法的普适性,除了10 kV辐射状配电网样本库,另外建立了包含3种完全不同拓扑模型样本的混合库。最后,所提方法在辐射状模型库和混合库都得到了验证,判定结果证实了该方法的有效性和准确性。