基于Karrenbauer相模变换的 低压供电线路阻抗量测方法

为解决低压供电线路参数精准量测困难的问题,提出一种基于相模变换的低压供电线路阻抗智能量测方法,该方法利用智能电能表采集线路各节点数据,通过Karrenbauer(卡伦鲍厄)相模变换对各相数据进行解耦,并依据线路之间的潮流关系建立最小二乘优化模型对阻抗参数进行寻优,实现精准量测.最后通过实际算例验证了该方法有效可行,实现了对不同工况下低压供电线路阻抗参数的在线辨识,为供电线路运行状态评估提供了依据.     

复频谱插值DFT的电力系统 低频振荡信号测量方法

低频振荡是三相电力系统中的一种平衡现象,如何准确、快速地估计振荡信号的参数对于评估和消除低频振荡至关重要.本文提出了一种采用复频谱插值DFT的低频振荡下电力系统动态信号参数估计的方法,该方法利用三相系统的对称特性,通过克拉克变换将电力系统中的三相实信号转换为正交分量形式的复信号,然后对复信号进行离散傅里叶变换,通过复频谱插值方法,利用两个幅度最大的谱线样本来估计各项动态参数.实验仿真结果表明本文方法能在低频振荡的场景下准确高效地实现电网动态参数的估计.     

基于改进矩阵束的动态同步相量测量算法

随着现代电网规模不断增大,分布式电源大规模接入,强谐波、高噪声和信号动态多变等问题会降低同步相量测量算法的准确度.为准确测量现代电网同步相量参数,提出一种结合二阶泰勒动态相量模型和改进矩阵束优势的同步相量测量算法,用于动态条件下电力系统同步相量幅值和相角参数精确测量.本文先对算法进行数学推导,然后根据我国同步相量装置检测规范中指定的实验案例对测量准确度进行详细评估.实验结果表明,算法在频率偏差、幅度调制等情景下具有很高的测量精度,符合我国同步相量检测规范要求,具有一定工程应用价值.     

广域级电网在运智能电能表的烧损故障关联分析和预测方法

针对智能电能表在运行过程中出现烧损的现象，在对各类因素进行关联分析后， 提出了一种基于XGBoost算法的智能电能表烧损预测方法，以某省份2019—2020年的数据为例进行了测试验证. 采用该方法结合电能表基本信息数据、运行数据和环境数据进行烧损识别，并与K最邻近法（K-NearestNeighbor，KNN）、朴素贝叶斯和支持向量机等传统机器学习算法进行对比. 结果表明，基于极限梯度提升算法（eXtreme Gradient Boosting， XGBoost）的算法精度达到91%，召回率达到66%，综合指标F1达到76.51%，远高于传统算法. 算法模型在进行系统部署的过程中，运用长短期记忆算法（Long Short Term Memory， LSTM）对部分缺失值进行了填充，经试点验证，该模型可较为准确地预测低压台区电能表烧损现象.