电流速断保护的灵敏性校验方法

文章根据无时限电流速断保护具有快速性的优点和灵敏性差、保护范围小的缺点,着重研究了这种继电保护灵敏性的校验方法,并说明了不同校验方法的适用条件和适用场合。     

基于全波傅氏算法的微机继电保护

微机继电保护是用数学运算的方法实现故障的测量、分析和判断的。当输入信号中含有衰减直流分量而不再是周期函数时,全波傅氏算法有较大的误差。本文提出了一种改进算法,仅要求基波周期内的采样点数为4的整数倍,就能在未知衰减时间常数的情况下对衰减直流分量进行补偿,理论上能够完全滤除衰减直流分量。     

基于广义最小二乘法的随机非线性系统自适应跟踪

运用基于估计的模块化设计思想,研究了受方差不确定Wiener噪声干扰的参数严格反馈形式非线性系统对已知信号的自适应跟踪问题.构造控制Lyapunov函数(control Lyapunovfunction,CLF),设计了具有鲁棒稳定特性的输入状态稳定(input-to-state stability,ISS)控制器,确保系统满足控制器-辨识器分离;运用Swapping技术设计辨识器模块,将动态参数模型转换成静态模型,考虑到方差不确定,采用广义最小二乘算法进行参数估计,讨论了系统方差的估计方法.     

基于加权最小二乘的ARMAX系统的自适应控制

利用加权最小二乘为开环不稳定和非最小相位的ARMAX系统设计了一个适应镇定控制器,而且控制器设计不需任何外来激励信号。     

基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型

为应对当前复杂非线性的宏观经济形势与电力消耗情况,本文提出了一种自适应粒子群算法改进的最小二乘支持向量机负荷预测模型。根据粒子群中粒子的成熟程度对其进行分类,对不同类别的粒子分别采取不同的位置更新方式,可以保持粒子种群多样性,避免造成局部最优。利用自适应粒子群算法优化最小二乘支持向量机的模型参数,经过实证分析能够一定程度提高模型的预测精度,可以为中长期负荷预测工作提供一些的参考。     

基于最小二乘递推算法的半主动悬架系统参数辨识

为了减少在实体建模过程中的误差,本文对半主动悬架系统进行参数辨识研究。在对悬架结构进行分析的基础上,基于ADAMS建立了半主动悬架减振控制系统的实体模型。采用最小二乘递推算法对悬架系统各指标参数进行辨识,辨识后的输出响应曲线与MATLAB输出曲线基本吻合。仿真结果表明:最小二乘递推算法可以有效地降低误差值,提高悬架系统实体建模的准确性,对进一步的悬架系统控制策略研究具有非常重要的意义。     

基于最小二乘改进算法的时变系统参数辨识

在系统辨识领域,常规最小二乘法是一种最基本的辨识方法之一.然而,随着观测数据的不断增加,会出现“数据饱和”的现象,造成新观测数据对估计值起不到修正的作用.由于新观测值对未知参数估计的影响要比旧观测值大,采用了渐消记忆和限定记忆最小二乘改进算法,来实现时变过程的参数辨识,并进行了仿真实验.仿真结果表明,它们能够克服“数据饱和”现象,从而改善参数辨识结果     

OFDM系统中基于最小平均误码率的自适应预处理算法的研究

提出了一种基于最小平均误码率的自适应预处理算法,并将该算法应用于自适应OFDM系统,在频率选择性衰落信道条件下,与等功率分配的OFDM系统相比,误比特性能有了很大程度的提高.     

基于最小二乘支持向量机动态逆的非线性系统自适应控制

提出基于最小二乘支持向量机动态逆的一种非线性系统自适应控制方法.该方法采用最小二乘支持向量机辨识非线性系统的动态逆模型,并将其串联在原系统之前得到复合的伪线性系统.对于建模误差、不确定因素等引起的非线性系统逆误差,采用在线最小二乘支持向量机进行自适应补偿.最小二乘支持向量机的在线参数调整规律由Lyapunov稳定性理论导出,并证明了非线性闭环系统的稳定性.仿真结果证明了该方法的有效性.     

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机(LS-SVM)回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明:在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。     

基于全周波富氏算法滤除衰减直流分量新方法

提出了一种非递推全周波富氏算法中滤除衰减直流分量Ae^t/r的新方法,并在单一数据窗口中推导了与τ无关的精确校正算法,该算法简单,适用于微机继电保护中提取各次谐波分量。     

自适应零序电流保护的研究

零序电流保护是一种重要的接地保护方法．传统零序电流保护的整定值通过离线计算得到，使保护装置无法达到最佳保护效果．指出了传统零序电流保护整定缺点，论述了自适应零序电流保护的实现原理和具体实现方法，并举例说明了自适应零序电流保护具有提高保护灵敏度的优点．     

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷，提出了冲击振动的自适应逆控制方法。该方法能够根据不同的负载特性自适应地调节逆控制器参数，在时域实现了冲击振动控制，完全克服了频域方法中低频分辨率低、易产生溢出的问题。同时，针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点，提出了一种快速X滤波LMS算法，运用批处理技术，使码元间的平均计算量减小。试验表明，该方法使控制精度提高了约50％，明显优于已有的控制方法。     

基于时域电容电流补偿的电流差动保护研究

针对超、特高压输电线电流差动保护受暂态电容电流影响,以及基于贝瑞隆线路模型法的差动保护中采样频率和输电线路长度难以配合的问题,提出了基于Π形等值电路的时域电容电流补偿的差动保护.所提出的差动保护是利用微分方程模型对瞬时值进行补偿,能够有效地消除暂态和工频稳态电容电流的影响,解决了常规工频相量补偿法仅能补偿稳态电容电流且计算数据窗较长的缺陷.仿真结果表明,该差动保护适合应用5 ms数据窗的小矢量算法,提高了保护动作速度,而不需要提高采样频率,不增加计算量和通信量,采取低通滤波措施后可以提高时域电容电流补偿的效果.     

瞬时电量采样值一点算法及在微机保护中的应用

在Ｐａｒｋ方程的基础上，提出了发电机端瞬时功率和视在阻抗的采样值一点算法，并分析了其在微机保护中的应用．该算法有效地解决了机端阻抗变化轨迹、变化率以及功率变化情况的实时测量问题，其结果可供多种保护共享     

不同故障类型下具有相同灵敏度的配电网自适应电流保护

针对配电网电流保护的特点，提出了一种彻底消除配电网中负荷电流对保护灵敏度影响的算法，根据存在负荷电流的情况建立动作判据，将考虑负荷电流影响时的两相短路电流归算为同一点三相短路电流，然后再与定值作比较，从而克服了目前的电流保护普遍存在的由于受负荷电流的影响而使保护在两相故障时灵敏度降低的缺陷。仿真结果表明，本算法在理论上可以完全消除负荷电流的影响，使保护在两相短路时的灵敏度与三相短路时的相同。     

一种基于交互投影原理的快速自适应横向传播建模算法

针对最小均方建模算法用于长记忆有限脉冲响应滤波器模型时收敛速度慢的问题,提出了基于交互投影原理的横向传播建模算法(简称为TPLMS算法).该算法将滤波器按质因数分解为多组滤波器组合,从最短的子滤波器分组开始迭代,逐步过渡到原滤波器,在每一时刻,采用最小均方算法顺序求解分组内各子滤波器的权系数.在迭代过程中,由于滤波器的长度缩短,从而可采用更大的步长,使权系数以更快的速度收敛.随着子滤波器长度的逐步增加,可以逐步减小迭代步长,从而得到较低的失调误差.仿真结果表明,TPLMS算法的收敛速度优于传统的最小均方算法和变步长最小均方算法.该算法收敛速度快,特别适用于长记忆有限脉冲响应滤波器模型的自适应建模.     

自适应算法在船舶电网保护中的应用

提出了适合于船舶电网的自适应保护方案.根据电网运行方式和故障状态的变化，实时修改继电保护参数，有效提高了供电系统的安全性能，可用于解决多工况下继电保护整定配合的问题.其算法主要包括离线计算和在线计算两部分：离线计算生成船舶电网所有工况下的保护整定值，并将其与对应工况存储在中央控制系统中；在线计算则实时采集系统数据，进行网络拓扑识别，从存储的离线计算结果中查询相应的保护定值.以典型船舶电网为对象，搭建过电流自适应保护仿真，结果证明所提保护方案有效、正确.
     

基于平方根归一化FTF算法的自适应均衡器的研究

分析了自适应均衡器常用算法性能存在的问题,提出了一种基于平方根归一化FTF算法。通过计算机仿真研究,表明其在收敛性等方面具有比较好的性能,并应用于具体传输系统中进行验证。     

当前统计模型自适应滤波算法改进

由于"当前"统计模型自适应滤波算法对于最大加速度的过分依赖,使其对于弱机动目标并不具有较高的跟踪精度,基于"当前"统计模型自适应滤波算法的研究及目标跟踪性能的分析,提出了将目标的机动状态划分为强机动和弱机动,当目标在作弱机动运动时,可通过修正最大加速度来提高跟踪精度,分别针对常速、常加速、弱变加速三种弱机动情况进行了数学仿真,仿真结果表明,通过修正最大加速度的方法,可使该算法对于弱机动目标的跟踪精度大大提高。