一种基于禁忌粒子群算法的配电网无功优化方法

    公开(公告)号:CN104682405B

    公开(公告)日:2018-01-12

    申请号:CN201510147949.9

    申请日:2015-03-31

    Applicant: 福州大学

    Inventor: 金涛 魏海斌

    CPC classification number: Y02E40/30

    Abstract: 本发明涉及电力系统配电网无功优化技术领域,特别是一种基于禁忌粒子群算法的配电网无功优化方法。针对基本粒子群算法在优化过程中容易出现陷入局部最优的情况,本发明提出了一种结合禁忌搜索算法的改进方法,通过利用搜索算法的记忆功能及爬山能力强的特点来解决粒子群算法易于陷入局部最优的缺点;同时,也在粒子群算法的粒子位置和速度更新方程中引入随迭代次数增加而变化的学习因子c1、c2以及惯性权重系数ω,进一步改善粒子群算法易于陷入局部最优的问题。通过将这两个智能优化算法的结合,大大提高了其优化能力,很适用于电力系统等相关部门,用于解决配电网的无功优化问题。

    基于部分左特征结构配置的电力系统优化阻尼控制方法

    公开(公告)号:CN107394799A

    公开(公告)日:2017-11-24

    申请号:CN201710603372.7

    申请日:2017-07-22

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于部分左特征结构配置的电力系统优化阻尼控制方法,针对传统的PSS在多个需要抑制的振荡模态下存在的多PSS参数协调问题,首先利用部分左特征结构配置方法同时配置闭环主导振荡模态的特征值和特征向量,将多余的设计自由度分配到部分特征向量上,然后引入动态补偿器型PSS,满足部分左特征结构配置方法对输出反馈变量的要求,最后通过群搜索优化算法求解控制器参数。根据本发明所提出的一种基于部分左特征结构配置的电力系统优化阻尼控制方法所设计的阻尼控制器,能有效抑制电力系统的多个主导振荡模态,且具有较好的阻尼控制效果和鲁棒性。

    一种基于改进粒子群优化算法的异步电机参数辨识方法

    公开(公告)号:CN106953577A

    公开(公告)日:2017-07-14

    申请号:CN201710163793.2

    申请日:2017-03-20

    Applicant: 福州大学

    CPC classification number: H02P23/14

    Abstract: 本发明涉及一种基于改进的粒子群优化算法的异步电机参数辨识方法,以标准粒子群算法为基础,通过分批分别设置种群的最大加权系数和最小加权系数,并增加了随机变异算子,增加变异算子对gbest进行随机变异的策略来提高算法跳出局部收敛的能力,改善粒子群的过早陷入局部最优的问题,扩大粒子的搜索范围,改进了粒子群算法的全局搜索能力和收敛速度,降低陷入局部最优的风险,兼顾优化过程的精度和效率。本发明通过测量获得异步电机各工作特性的测量值,应用该改进的粒子群优化算法实现异步电机静态参数辨识,在有噪声的情况下,仍能具有较高的识别准确率。

    成像。一种同步微区电化学成像和温度成像系统及其方法

    公开(公告)号:CN104391137B

    公开(公告)日:2017-01-25

    申请号:CN201410700392.2

    申请日:2014-11-28

    Applicant: 福州大学

    Abstract: 本发明涉及一种新型同步微区电化学成像和温度成像系统及其方法,该系统包括:XYZ三维移动平台、热电偶微探针、多路差分输入温度采集电路、主控处理器、电位控制电路和供电电源;该方法包括:通过主控处理器执行电化学成像指令,控制热电偶微探针移动,获取电化学信号;同时通过热电偶微探针测得热电动势信号,将该信号通过多路差分输入温度采集电路转换输出至主控处理器;主控处理器结合同步获取的该微区基底的电化学信号和温度信号,完成同步微区电化学成像和温度成像。本发明提出的一种新型同步微区电化学成像和温度成像系统及其方法能够同步、实时、快速地对微区温度信号和电化学信号进行获取,完成同步微区电化学成像和温度

    基于EEMD与能量法的谐振接地配电网单相接地故障选线方法

    公开(公告)号:CN104237731B

    公开(公告)日:2017-01-18

    申请号:CN201410497842.2

    申请日:2014-09-25

    Applicant: 福州大学

    Inventor: 金涛 褚福亮

    Abstract: 本发明涉及提供一种基于EEMD与能量法的谐振接地配电网单相接地故障选线方法。该方法首先确定故障的起始时刻,然后取故障起始时刻前、后各1/2工频周期的各出线的零序电流进行EEMD分解,再取出各电流的高频IMF分量和剩余分量,然后分别求取各线路的高频IMF分量和剩余分量的能量和,再求出各线路的能量权重系数,通过分析比较能量权重系数的大小可以判别出故障元件,该方法不易受过渡电阻的影响,抗干扰能力强,判别故障时无需人工操作,当发生不同类型的单相接地故障时,都能够准确判别出故障元件。

    一种同步相量测量中基于RLS的自适应频率跟踪测量方法

    公开(公告)号:CN103983847B

    公开(公告)日:2016-10-05

    申请号:CN201410259275.7

    申请日:2014-06-12

    Applicant: 福州大学

    Abstract: 本发明涉及一种同步相量测量中基于RLS的自适应的频率跟踪测量方法,其特征在于包括:通过模数转换将时变电力信号进行离散化处理;并计算输入信号矢量;用递推最小二乘估计方程计算相量测量值;再通过相量测量值相邻两个采样点的相角得到频率变化,由即可求出所需实际工作频率。本发明不仅在电力系统静态条件下具备良好的频率测量抗噪性,而且在动态条件下能实现快速的频率跟踪测量,可用于电力系统频率的实时测量。

    一种电力系统低频振荡模态辨识方法

    公开(公告)号:CN103956756B

    公开(公告)日:2015-12-02

    申请号:CN201410219502.3

    申请日:2014-05-23

    Applicant: 福州大学

    Abstract: 本发明涉及电力系统低频振荡分析技术领域,特别是一种基于改进经验模态分解(EMD)和数位演算法的电力系统低频振荡模态辨识方法。针对EMD分解过程中出现的边界失真现象,提出一种新的端点优化对称延拓法进行改进,利用改进的EMD对电力系统低频振荡信号进行分解,得到固有模态函数(IMF),利用柯尔摩科洛夫-斯米洛夫检验(K-S)法剔除IMF分量中与低频振荡信号相似概率低的伪分量,利用数位演算法对有效IMF分量进行振荡模态瞬时参数的提取,用于电力系统低频振荡模态辨识。该方法能够有效的改善EMD分解的端点效应,准确的剔除伪分量,精确的提取低频振荡信号模态瞬时参数,适用于电力系统等相关部门,用于电力系统低频振荡模态辨识。

    一种基于PI控制的微电网自适应下垂控制调节电压频率的方法

    公开(公告)号:CN104917170A

    公开(公告)日:2015-09-16

    申请号:CN201510217423.3

    申请日:2015-05-04

    Applicant: 福州大学

    Inventor: 金涛 刘对

    CPC classification number: Y02P80/14

    Abstract: 本发明涉及一种基于控制的微电网自适应下垂控制调节电压频率的方法,当使用传统下垂控制,微电网孤岛运行时,负荷增大或减小都将会使频率或电压偏离额定值,本发明针对传统下垂控制所存在的问题,通过 控制器对下垂系数进行改进。首先将变化后输出的功率与给定值做差,然后经过控制器之后再与传统下垂控制系数做差,得到改进的下垂系数。在改进下垂系数的作用下,从而可以达到调整频率和电压的目的,即维持系统的电压及频率在合理的范围内。

    一种滤除衰减直流分量的同步相量测量的实现方法

    公开(公告)号:CN104049144A

    公开(公告)日:2014-09-17

    申请号:CN201410298815.2

    申请日:2014-06-27

    Applicant: 福州大学

    Abstract: 本发明涉及电力系统同步相量测量技术领域,特别是一种滤除衰减直流分量的同步相量测量方法。基于传统离散傅里叶(DFT)算法,用复合梯形公式和线性插值法分别计算三个连续数据窗基波分量的实部和虚部,再计算实部和虚部的误差估计值,利用所得误差估计值对原实部和虚部进行修正,滤除电力系统中衰减直流分量给同步相量测量方法带来的影响。该方法在电力系统静态条件和动态条件下都拥有较高的同步相量测量精度和抗噪性,并且滤除了电力系统中衰减直流分量带来的影响,提高了同步相量测量方法在电力系统发生故障时的测量精度。

    一种基于深度学习的电能质量扰动分类与时间定位方法

    公开(公告)号:CN120030429A

    公开(公告)日:2025-05-23

    申请号:CN202510118333.2

    申请日:2025-01-24

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于深度学习的电能质量扰动分类与时间定位方法,包括:获取电能质量扰动信号;计算电能质量扰动信号对应的差分信号;采用基于多头自注意力的深度学习编码器对差分信号进行特征提取,得到扰动差分突变点特征;将原始扰动特征与扰动差分突变点特征合并成多通道特征;采用基于通道注意力和时间卷积网络的多通道特征提取模块对多通道特征进一步提取特征;采用基于采样点特征标签的改进交叉熵损失函数训练网络,实现电能质量扰动分类与时间定位。该方法可以在不依靠信号处理方法的情况下实现电能质量扰动信号的分类和时间定位。

Patent Agency Ranking