为解决微电网储能调度中消耗功率高的问题,设计了基于能源区块链网络的微电网共享储能调度模型.将微电网共享储能调度模型设置为分层储存、调度模型,上层为能源区块链网络模型,下层为微电网储存调度模型.利用储能规划方法多次归纳能源区块链网络信息.设定固定约束格式,从日前能源储存调度合约和日内能源储存调度合约两个方面约束模型.通过状态预测、信息预测、模型调度能力验证、自动预测和模型方案执行完成调度工作.结果表明:该模型降低了微电网日前调度合约电价和消耗功率,提高了微电网储能调度能力.
针对新能源发电因大量并网而导致电网安全性降低的问题,提出了一种基于改进孪生支持向量机的新型电力系统继电保护故障诊断模型.该模型面向新型电力系统设计了一种继电保护体系,并结合设备状态特征构建了故障时序模型.同时利用蛙跳算法对孪生支持向量机的参数进行寻优,以获得最优模型用于设备状态量的分析处理,从而实现故障类型的快速分类.实验结果表明,改进孪生支持向量机的分类准确率约为90%,且所提模型的故障诊断准确率和时间分别约为98.05%及1.48 s,优于其他对比方法.
针对常规检测方法在气体绝缘组合电器击穿点定位的局限性,采用基于波束形成的声成像技术对GIS击穿放电点进行定位.通过研究可控响应功率的波束形成技术,利用互相关函数进行延时估计,并结合相位加权算法进行滤波处理,从而得到了一种具有更强抗噪性和抗混响能力的击穿点定位方法.实验结果表明,所提方法对GIS击穿点的综合定位误差约为 4.79%,具有更高的鲁棒性.在放电点位置和传感器位置发生变化的情况下,该方法的平均定位误差约为4.57%,定位精度高于95%.
针对传统信息隐藏算法存在译码精确度及安全性均较低的问题,在生成对抗网络的基础上,提出了适用于电力信息网络的信息隐写模型.利用基于SE-ResNet块的编码器和解码器来增强模型全局特征的自动选择能力.通过判别器、编码器与译码器的高强度对抗训练,在保持图像布局的基础上,提高了信息隐写模型的安全性能.仿真结果表明,与其他信息隐写算法相比,基于生成对抗网络的信息隐写模型具有更高的译码精确度与安全性,且时间消耗更少.
为优化二极管抗浪涌电流能力及正向特性,针对器件工艺参数对迅回效应的影响进行了研究.采用建模仿真对比不同参数下的器件正向特性,分别对P+区和漂移区的掺杂浓度以及P+区宽度 3 个方面进行讨论.提取在迅回效应过程中器件的正向偏置处于转折与折回电压时漂移区内空穴的分布,进而细化研究该效应的产生过程机理.仿真结果表明,增加P+区的掺杂浓度与宽度可以有效抑制迅回效应,较高的漂移区掺杂浓度会增加器件在单极工作模式下的电流密度,但同时增大转折电压可使迅回效应加剧,适当减小漂移区掺杂浓度可以抑制迅回效应.
为了能够在较短时间识别变电站火灾并发出报警,提出了一种基于特征识别的K-means聚类图像处理方法.通过远程传输获得变电站消防监控图像并提取HSI特征,采用欧氏距离法对HSI特征进行K-means聚类并分割图像子集.通过样本熵信号处理算法识别火灾子集和类火灾子集熵值,实现变电站火灾的精准辨别.结果表明:TPR为100%,FRP为4.44%,火灾识别并报警时间为15.21 s.该方法不但规避了漏检风险且具有较强鲁棒性,能够迅速、精准地识别变电站火灾,有效提高了变电站消防安全的管理能力.
为了提高电力通信系统数据融合时的节点存活率,提高网络连通性,提出了基于异构数据源的电力通信链路模拟数据智能融合方法.利用最小二乘残差估计法辨别噪声数据,识别异构数据中的不良数据.通过k-means聚类获取目标平均值,实现数据离散化并消除噪声.使用频繁项集的关联规则确定置信度阈值并挖掘不低于该阈值的数据.采用深度受限玻尔兹曼机算法将不同类型模拟数据映射到同一矢量空间内,实现智能融合.仿真实验结果表明,该数据融合方法的平均系统能量消耗为66.35 J,网络连通度范围为0.85～1,达到了提高节点存活率以及提升网络连通性的目的.
针对现阶段直升机滑撬式及三点式起落架在复杂地形或动态非线性运动平台降落性能较差的问题,提出了一种基于STM32 的X型腿式布局线缆驱动自适应起落架.结合自适应起落架结构特点及控制硬件搭建多维感知协同控制系统,以姿态控制为例对算法进行说明并在仿真环境中进行可行性验证.实验结果表明,自适应起落架及协同控制系统能够实现在多种工况斜坡及崎岖路面的平稳安全降落.
针对现有大多数方法难以兼顾系统经济性与新能源消纳的问题,提出一种基于改进遗传算法的源网荷储协同控制方法.该方法综合考虑源网荷储系统的特性,构建了以运行成本和弃风弃光量最小化为目标的模型.通过采用混沌优化算法来对遗传算法进行改进,进而设计一种基于双层嵌套结构及改进遗传算法相结合的高效方法用于目标函数的求解,以得到最佳的系统控制模式.基于IEEE33 节点系统对所提方法进行实验论证的结果表明,优化后系统的弃风弃光量和运行成本仅为0.872 MW及2.330 万元,说明了该方法可有效减少系统的运行成本,并提高新能源的消纳.
针对传统异常用电行为识别方法准确率低、时效性差且人工消耗较高等问题,提出了一种基于粒子群算法的改进孤立森林识别方法.该方法通过总结异常用电行为规律,重构相关行为的特征指标,并侧重于对异常样本的学习与训练,进而在集成算法套袋思想的基础上构建了孤立森林.同时利用粒子群算法的群集寻优能力选择出精准度较高、差异度较大的孤立树形成子集,进一步优化了异常用电行为的识别效果.实验结果表明,改进方法的AUC值和识别效率均高于聚类算法及孤立森林算法,能够对异常用电行为进行准确识别.
针对遥感图像分割迅速性和准确性不高的问题,提出了一种基于改进模糊均值聚类算法的遥感图像分割技术并将其应用于电力规划建设领域.以模糊均值聚类算法为基础,采用样本特征值平方差方式定义了新的特征距离,并通过引入空间函数方式实现了对图像空间信息的利用,从而对模糊均值聚类算法进行改进.结果表明:改进FCM算法单张图像处理时间约为FCM-S图像处理算法的0.43 倍,约为FCM图像处理算法的 0.19 倍;改进FCM算法图像分割准确率约为95.3%,比FCM-S算法高约2.7%,比传统FCM算法高约7.1%.
针对调度主站和电网GIS平台图模数据源不统一、图模规范不一致,导致电力系统输变配拓扑无法贯通及图模维护工作量大的问题,提出了一种基于CIM/SVG的电力系统图模数据融合技术.依据图模交互规范梳理图模校验规则,采用CIM解析图模,运用SVG分析中间结构拓扑.开发图模数据融合系统实现数据维护源头统一,支撑输变配一张网的拓扑贯通与集成应用.通过对多个地市局不同电压等级大量变电站样例图模接入,结果表明所提技术的正确性及可行性,有效解决了输变配图模数据融合的问题.
针对大部分电缆局放(PD)信号识别方法在噪声影响下的识别准确率低、波形失真等问题,提出了一种基于小波变换与数学形态学的电缆PD信号识别及降噪方法.该方法利用最大重叠离散小波变换提取PD信号的高频和低频特征,结合重构和数学形态法滤除噪声.利用自适应神经网络学习小波变换后的特征,最终完成PD信号的识别分类.基于某变电站实测PD信号波形对所提方法进行实验分析结果表明,信号降噪处理后的信噪比与均方误差分别为 5.439 dB、0.251,且整体的识别准确率超过了88%,均优于其他对比方法,具有良好的应用前景.
针对非接触式电力变压器在监测及运行状态识别过程中存在的问题,提出了一种基于粒子群优化的电力变压器声纹识别技术.通过利用加权优化的线性预测倒谱系数和差分组合的梅尔频率倒谱系数作为变压器声纹识别的特征向量,构建了应用于变压器声纹识别的粒子群优化神经网络模型.实验结果表明,特征向量为线性倒谱系数时,所提模型识别效率要比BP神经网络的识别效率高33%;采用梅尔倒谱系数作为特征量识别准确率比线性预测倒谱系数大约提高了5.3%,平均识别时间缩短了约25%.
针对网络社区发现算法的低精确度与高复杂度问题,在节点相似性的基础上提出了一种适用于复杂网络的社区发现算法.利用邻接矩阵和经典决策规则,制定具有较高可靠性和准确性的相似性判定准则,实现网络拓扑中相邻节点之间关系的量化与计算.通过引入具有较少冲突的哈希表,提出具有并行运算结构的启发式社区发现算法,完成对复杂网络拓扑结构的高质量检测.仿真测试结果表明,与经典的Jaccard准则发现算法相比,基于节点相似性的发现算法具有更高的发现精确度及时间效率.
针对基于单通道声信号的机械故障诊断信号干扰成分大,故障特征难以提取的问题,提出了一种结合改进自适应噪声完备经验模态分解(ICEEMDAN)和快速独立分量分析(FastICA)的方法.依据峭度与信号相关性准则设定本征内模分量(IMF)选取系数,对ICEEMDAN自适应分解的IMF进行有效筛选,实现信号降噪和粗提取,并以所选IMF作为虚拟通道,应用FastICA成功实现信噪的盲源分离.通过内外圈故障轴承实验数据对算法实行对比验证,结果表明,所提算法大幅降低了噪声及干扰,有效提取了故障特征.
针对现有预算控制方法存在目标单一,效果不理想等问题,提出了一种基于FA-ELM深度挖掘模型的电力工程预算控制技术.通过深入剖析电力工程费用的组成与影响因素,提出了工程进度与预算双目标的管控方式.利用萤火虫算法优化极限学习机网络,构建FA-ELM预测模型,将预处理后的电力数据输入FA-ELM模型中,可估计每个阶段的工程费用,便于管理人员采取相应的措施.在MATLAB仿真平台上对所提技术进行实验分析,结果表明:FA-ELM模型的预测误差均控制在6%以内,且工程总费用节约了14.09%,整体性能优于其他对比技术.
输电线异物检测普遍采用无人机拍照,但需要人工复检,导致电力巡检效率偏低,为解决这一问题,提出输电通道交叉跨越段导地线异物三维信息检测算法.通过智能无人机拍摄相关区域,并采用双目立体视觉理论,获取异物图像的三维深度信息;引入双边滤波算法消除图像中的噪声及其他因素的干扰,对于动态异物,算法可分析其特征并完成连续跟踪;通过计算异物与导地线之间的安全距离,完成异物检测.结果表明,该方法能够精准地检测出多幅输电通道交叉跨越段导地线图像中的各类异物,且检测精度较高.
针对现阶段变电站智能化设计中,电力工程造价在价格预测及管控策略方面存在的不足,利用粗糙集的属性约简理论对历史数据做约简压缩,结合蒙特卡洛模拟算法对具有一定概率分布的子项目进行单位容量工程造价到项目总造价预测;以智能变电站为研究对象,构建了基于蒙特卡洛算法的电力工程造价预测模型.实验结果表明,智能化工程建设造价预测分析方法可靠准确,基于粗糙集规约的蒙特卡洛算法相较于经典蒙特卡洛模拟算法,在随机抽样数据集上的测试精度至少提高0.5%.
针对电力市场环境下短期电力系统负荷预测准确、高效的要求,提出了一种改进的支持向量机短期负荷预测方法.利用主成分降维获取日负荷数据的特征因子,通过灰色关联分析建立负荷特征因子与影响因素之间的关联关系.构建不同日之间影响因素的加权差异度值,将倒数作为权重系数引入支持向量机模型,建立了一种考虑影响因素权值特征的SVM负荷预测模型.仿真结果表明,改进的SVM模型在一个月内负荷预测的平均预测准确率约为97.01%,日均相对误差在0.32%～3.57%范围内波动.该模型的负荷预测准确率和稳定性均优于常规的SVM模型与LS-SVM模型.
