【摘 要】
：
为了及时准确地发现地下电缆异常,提出一种应用随机矩阵理论和奇异值分解理论的信号异常监测方法。首先利用地下电缆监测数据构建高维矩阵,再通过随机矩阵理论提取特征值,对这些特征值进一步处理建立特征指标矩阵。然后对特征指标矩阵奇异值分解降维以获取关键分量,在此基础上构造融合指标,以此判断地下电缆的异常状态。算例显示融合指标对异常更加敏感,可有效避免监测信号波动引起误判。试验结果表明,方法的抗干扰能力比较强。
【基金项目】
：
中央高校基金(300102320105)。
论文部分内容阅读
为了及时准确地发现地下电缆异常,提出一种应用随机矩阵理论和奇异值分解理论的信号异常监测方法。首先利用地下电缆监测数据构建高维矩阵,再通过随机矩阵理论提取特征值,对这些特征值进一步处理建立特征指标矩阵。然后对特征指标矩阵奇异值分解降维以获取关键分量,在此基础上构造融合指标,以此判断地下电缆的异常状态。算例显示融合指标对异常更加敏感,可有效避免监测信号波动引起误判。试验结果表明,方法的抗干扰能力比较强。
其他文献
当前基于服务器/客户机架构的高压直流输电换流阀监测系统的信息传递速度较慢,在任务处理量较大时不利于数据管理,很难实现信息的即时查询和贡献等。为了提高阀监测系统的先进性,解决信息孤岛问题,提出采用微服务思想的浏览器/服务器架构设计换流阀监测系统。对阀监测系统软件功能进行了分析,把功能流程迁移到微服务架构上,给出了系统架构设计方案,实现了阀监测系统对数据的实时监测和分析等功能。
由于在复杂配电网中网络结构复杂,采集数据量过大,现有的故障诊断技术很难快速诊断故障。针对这一问题,提出一种基于数据驱动的复杂配电网故障扰动源定位方法。首先利用基于模块度函数的社区结构分类方法结合数据处理中心位置将复杂配电网络进行分区。然后将每个分区内的故障数据建立增广矩阵,并利用随机矩阵理论中的单环定理进行数据分析,得出各个区域内的数据分析结果,并根据分析结果实现故障扰动源定位。最后,通过IEEE 39节点标准系统进行算例仿真,验证所提方法的有效性和准确性。
针对高压换流站中的交流侧金属氧化物避雷器(MOA)设计一整套避雷器在线监测装置。装置包含避雷器泄漏电流(全电流)采集装置和PT电压信号采样装置。MOA监测装置向IED传送泄露电流幅值、泄露电流与参考相的夹角。PT采样装置向IED发送PT电压频率、谐波和电压转换成电流后与参考相的夹角。在监测IED内部计算得出泄露电流与母线电压的夹角,进而得出容性电流和阻性电流。最终通过IEC61850规约上送到变电站状态监测后台,实现整站交流避雷器状态的在线监测。在某避雷器有限公司的交流避雷器监测项目中的实际运行经验表明,
开关柜的故障会造成整个电力系统的不稳定,通过监控开关柜内的母线短路情况,可以有效降低故障的发生概率。采用红外测温的方式,对开关柜内的母线进行检测,在不影响系统稳定的前提下,提高了温度测量的准确性。采用LSTM算法结合小波变换的算法,在母线短路的判断上综合考虑了历史数据的影响,提高了判断的精准度。通过试验对算法进行验证,结果证明了方法的优越性。
为提升光纤芯交换运维水平,针对光线芯远程交换技术以及运维智能评估进行了分析。首先对光纤芯远程交换方案进行了设计,提出了交换模块以及交换流程;其次对智能运维平台进行了设计,提出了系统架构、硬件结构以及平台的功能;最后对通信远程交换技术的应用进行了说明,提出了基于层次法和熵权法的评估分析方法。案例分析表明,所提方法能够结合主观权重和客观权重对光纤运行状态进行综合评价,具有较强的可操作性和良好的评价效果。
为衡量SF6气体在线净化处理能否满足设备内部电磁除杂需求,研究SF6气体在线净化处理对设备内部磁场分布的影响。分析SF6气体在线净化原理,将SF6气体通过倒转单元、处理单元、动力单元以及深冷单元处理后,将液化的SF6气体灌入钢瓶内,实现在线净化处理。通过对磁场激励源分析,设置磁场的控制方程的场域边界条件,完成SF6气体在线净化处理对设备内部磁场分布的影响分析。试验结果表明:SF6气体在线净化处理后气隙磁场感应强度与理想分布值较为一致,净化后气体可在设备内部气隙内形成磁场,设备内部横截面区域磁场以均匀状态分
电网数据具有海量、高维的特点,现有的短期电力负荷预测模型无法提取用户的用电习惯。提出一种基于负荷聚类的全网短期负荷预测模型,首先采用自组织映射网络对全网负荷进行聚类,将不同特性的用户负荷曲线作为子网;然后引入遗传算法对Elman神经网络的参数进行寻优,得到针对不同子网负荷特性的差异化预测网络;最后基于负荷综合稳定度得到全网负荷预测结果。将该集成模型用于某市电网进行算例仿真,预测结果表明,所提方法比传统预测方法的准确率更高,同时适用于部分子网数据缺失而需要得到全网结果的情况。
输电线路故障异常种类较多,故障电流数据具有较大差异。当前的异常监测方法忽略了故障的差异化,导致监测结果精度偏低。基于故障电流的传播特性,在故障电流的弧垂和载荷两个方面计算输电线路故障电流数据,构建输电线路能量模型,计算异常数据能量消耗。通过计算节点接收异常数据的能量消耗,构建输电线路差异化异常监测能量模型。结合输电线路差异化异常监测流程,实现输电线路差异化异常监测。试验结果表明,提出的输电线路差异化异常监测方法监测精度较高,保证了输电线路的安全运行。
传统的变压器故障诊断方法仅给出设备处于健康或故障的0-1式判断,不能对潜在性故障进行有效辨识,也不能对变压器状态沿时间维度的变化轨迹作出预计。为变革此局面,特设计基于DGA框架的变压器状态评估新方法。通过待测时间序列与历史故障序列的相似性比较来预测设备潜在故障向显在故障转化的时间跨度。分析结果表明,利用模型可提前三个月给出故障预警,且关于故障爆发日期的预测误差仅7.4%。方法可科学辨识变压器的故障风险,可给出较为准确的预警时间,因此宜作为变电运检工作的辅助决策予以推广。
上海交通大学罗克韦尔自动化实验室成立于1998年6月,是由上海交大与美国罗克韦尔自动化共同建设的联合实验室。罗克韦尔自动化(NYSE:ROK)是全球著名公司,致力于工业自动化与信息化的公司。其使命是帮助客户提高生产力并且推动世界的可持续发展。罗克韦尔自动化整合了工业自动化领域的知名品牌,其中包括艾伦—布拉德利(Allen-Bradley?)的控制产品和工程服务及罗克韦尔软件(Rockwell Software?)开发的自动化管理软件。