基于小波变换的电力营配系统暂态稳定性智能分析方法

来源 :电子设计工程 | 被引量 : 0次 | 上传用户:qdchengr
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于电力营配系统暂态稳定性分析过程分析时间过长,导致准确率较低.基于小波变换研究了一种新的电力营配系统暂态稳定性智能分析方法.根据电力营配系统暂态稳定性的原理,建立系统暂态稳定性的评估模型.通过小波变换算法对电力营配系统的谐波机完成分析,完善电力营配系统暂态稳定性智能分析方法的分析流程.实验结果表明,基于小波变换的电力营配系统暂态稳定性智能分析方法能够有效缩短分析时长,提高准确率.
其他文献
目前提出的网络心理特征预测系统状态预测结果与实际结果存在偏差,导致预测耗时过长.基于云计算技术设计一种新的网络心理特征预测系统,对系统的硬件和软件进行设计.系统硬件由Web服务器、RTY96处理器、数据采集器三部分组成,通过网络心理语言的采集、网络心理特征的提取和选择实现软件操作.实验结果表明,所设计的网络心理特征预测系统状态预测结果与实际结果相差较小,耗时更短.
针对频域反射法、非线性时间序列定位算法受到振动影响,导致误差检测精准度低的问题,提出了基于COPRA的高强度管材弯曲成形误差自动化检测系统.使用NS-WY02位移传感器检测管材成形弯曲绝对位置.数据采集卡根据CAN总线协议采集误差数据,调理信号电路将模拟信号转换为数据形式进行采集与显示.系统设计了检测防振动装置,避免检测结果受到振动干扰.使用COPRA软件构建线性回归温度声速误差补偿模型,确定温度-声速误差,并设计误差自动化检测流程,完成系统设计.由实验结果可知,该系统振动条件下最高检测精准度为0.93,
松材线虫能够引起毁灭性的森林病害,松材线虫病监测技术是松材线虫病防控成功与否的关键.为了加强对森林疫情的监管力度,文中提出了一种基于神经网络的松材线虫病树统计算法.算法采用VGG16神经网络模型训练出无人机航拍图像与图像中松材线虫病树数量的映射,同时采用对称分割技术,使用病树的位置信息优化模型损失函数.实验统计结果表明,相比较不切割,适当的切割图像可使算法能够更加准确地统计病树数量.
针对火力发电厂制粉系统中,磨煤机长期处于恶劣的工作环境且相关状态监测理论发展不完备,导致实际运行中磨煤机的状态不能得到有效预测等问题,文中设计了一种基于LM_BP算法和时间序列预测理论的神经网络预测模型.通过选取合适的特征参数在Matlab中完成对应预测模型的构建,分别对正常状态下的磨出口温度模型和少煤故障状态下的磨煤机电流模型进行实验,从而得到预测结果.分析与测试结果表明,文中所建立的磨煤机运行状态预测模型的准确率可达98%以上,可以有效地为磨煤机故障与非故障状态下的运行状态分析判断提供技术支撑.
为了提高开环霍尔电流传感器的检测精度,对开环霍尔电流传感器的正向输出和负向输出不对称问题进行了研究,基于霍尔元件机理设计了等效电路模型、电路计算分析和电路仿真验证的方法,通过将优化后的电路制作成8个实物样机进行精度测试,并与优化前的8个实物样机的测试数据进行对比,结果表明增大霍尔元件的负载阻抗可改善开环霍尔电流传感器正向输出和负向输出不对称的问题,使开环霍尔电流传感器的检测精度提高了0.34%.
针对牵引逆变器的故障模式多样,功率开关器件难以诊断定位等问题,文中采用灰关联分析建模的方法,分析牵引逆变器开关器件的故障模式以及主要故障特征量,通过dSPACE半实物仿真试验平台对主要故障进行仿真试验模拟,进而获取系统故障状态特征数据.模型分析计算结果表明,该方法可以快速准确地完成牵引逆变器的故障模式识别和定位,对列车的故障诊断及健康管理具有一定的指导意义.
为进一步提高发动机叶片叶型的检测精度和效率,根据某系列发动机叶片的共同结构特征以及检测要求设计了一套快速非接触式检测系统.硬件模块通过线激光扫描系统完成点云数据采集,文中设计了线激光组件结构、产品夹具结构及二轴精密定位平台结构.软件部分通过上位机软件系统对点云数据进行三维模型重构,通过均方根误差实现重构后模型与CAD模型的配准,实现与工艺基准相一致的绝对定位,并基于QT软件开发了一套三维模型可视化操作软件,提高了人机互动的便捷性.经过对其扩展不确定度的评定,该检测系统检测精度满足该系列产品的检测要求.
现代数字信号处理电路中常见的乘法电路随着处理信号的频率越来越快而引起功耗的大幅度增加,功耗的增加不仅造成能源浪费,而且会引起电路温度上升,影响电路正常工作.针对乘法器电路设计中要兼顾高速度和低功耗的目的,文中采用基于输入信号速率自动重构电路的方法设计了一种新型的高速高效电压可重构流水线乘法器电路.电路仿真实验表明,该电路在保证最高频率达1.8 GHz高运算速度的条件下,可有效地节省约60%的供电资源.
电机组内部电气设备运行异常会造成设备跳闸、损坏,严重时甚至导致非计划停运,造成严重损失.针对水轮发电机组转子裂纹、脱落和振动等常见异常现象,在水电站发电机定转子内部安装定制镜头后的可见光相机,以诊断规则、模型规则等综合经验为数据平台,提出了基于深度学习SIFT特征图像配准算法的发电机定转子缺陷智能诊断技术,并以此为基础完成了水电机组发电机定转子运行状态实时在线监控和故障智能诊断策略.实验以湖北白莲水库水电机组为研究对象,通过VGG网络提取待测缺陷的特征,经验证可以有效地标记和提取缺陷,完成对水轮发电机定转
以往使用的传统人工巡检方法、无人机巡检方法缺少对关键设备的图像特征分析,导致巡检效果较差,在该情况下,提出了基于深度学习的发电厂设备智能巡检系统设计.其特点在于机器人通过服务器控制系统智能巡检,同时配备RFID读卡器,可识别电子标签数据信号,使用变磁阻式转速传感器,在线圈中检测故障位置的磁阻变化.采用深度学习方法,分析巡检原理,确定关键设备图像特征,并设计机器人巡检流程.由实验结果可知,该系统与预期执行效果一致,为用户提供了安全的巡检设备.