简介:针对网络风暴引起的变电站网络故障,对风暴抑制技术进行深入研究。首先根据智能变电站网络应用现状,对三层两网网结构及网络传输报文内容进行说明;然后以近年运行过程中两起典型网络风暴故障为例,深入分析其风暴产生原因及影响;依据风暴起因对风暴类型进行划分,总结智能变电站网络风暴产生原因;再详细研究当前通用的网络风暴抑制技术,针对其适用性、实现方式存在的不足,提出报文类型过滤及报文特性过滤技术。报文类型过滤能完整提取订阅报文,可以使用FPGA实现或者在CPU驱动层实现,有效降低非订阅报文不必要系统负荷占用,效率较高。报文特性过滤由CPU完成,密切联系IED应用需求,风暴抑制最彻底。最后,通过报文类型过滤及报文特性过滤与通用抑制技术比较,给出工程应用中风暴抑制方式的选取建议。
简介:该文设计了一种基于Blackfin的BF537数字信号处理器(DSP)的新型太阳能照明系统.它采用siemens公司的TC35i模块来实现无线通讯,采用BP神经网络在蓄电池的灌充阶段实现了太阳能最大功率点跟踪(Maximumpowerpointtracking,MPPT).为了解决神经网络不保证收敛的问题,在BP神经网络里还引入了遗传算法,得到遗传神经网络(GA-BP).最后通过系统的实现与测试,证明了算法的优越性和该系统的实用性.
简介:文章研究了利用非破坏性参量预测发电机主绝缘的剩余击穿电压,大型发电机主绝缘的非破环性参量主要有直流特征参量、交流特征参量、介质特征参量、局部放电特征参量和非电特征参量这五类。通过分析得到了介质特征量与局部放电特征量这两类参量适合预测剩余击穿电压的结论。紧接着用皮尔森积矩法作了这两类参量与剩余击穿电压的相关性分析,最终获得了四个与剩余击穿电压有较大相关性的非破坏性参量。本文筛选的网络模型经训练后取得了良好的预测效果:预测值与实际值的最大相对误差为0.93%,最小相对误差仅为0.01%。由此证明通过BP神经网络预测大型发电机主绝缘剩余击穿电压是可行的。
简介:直线电机驱动的H型数控平台系统在加工零件时,负载扰动、外部干扰和两电机安装的差异与机械耦合会影响单轴的跟踪精度且会产生同步误差。针对此问题,本文首先用拉格朗日方法给H型平台建模,然后提出一种改进的非奇异终端滑模控制(NTSMC)来进行位置控制器的设计,在不失滑模控制鲁棒性的情况下,有效地削弱了该控制所产生的抖振问题,提高了单轴的跟踪精度。在两轴间采用Sugeno型模糊神经网络(SFNN)补偿控制器来动态补偿H型平台的同步误差。通过模糊神经网络以任意精度逼近非线性系统的能力使同步误差在有限时间内趋近于零,以满足H型平台数控系统的高精度加工要求。仿真结果表明,所设计的控制系统能够有效提高系统的同步控制精度和鲁棒性。
简介:针对传统被动式孤岛检测法存在检测时间长、盲区(NDZ)大,而主动式孤岛检测法影响电能质量的缺点,提出一种新的基于小波包对数能量熵(WPLEE)与BP神经网络的孤岛检测方法。该方法首先采集公共耦合点(PCC)处的电压信号,再将该电压信号分别进行小波包变换,然后通过对数能量熵进行算法处理来获取适合于孤岛检测的特征向量,该特征向量通过BP神经网络进行模式识别来判断系统是否发生孤岛现象,特别在逆变器输出功率和本地负载功率匹配时。实验和仿真结果表明,该方法均能准确、有效地判断出是否存在孤岛状态,同时与传统的被动式孤岛检测方法相比检测速度快,检测盲区小,不会对电能质量产生不良影响。
简介:最大功率点跟踪(MPPT)控制可以使光伏模块最大程度地输出功率,因此成为增强光伏发电系统输出功率的一个研究热点。本文提出一种基于二进制蚁群模糊神经网络的光伏系统最大功率点跟踪控制策略,利用模糊神经网络代替传统的BP神经网络对最大功率点进行预测,解决了恒压控制法误差较大的问题;利用二进制蚁群算法对模糊神经网络权值进行优化,克服了其搜索速度慢、易陷入局部极小值的缺点;将得到的最大功率点电压输入恒电压控制算法中,然后通过恒压法对最大功率点进行跟踪。在所构建的仿真模型中模拟了不同光照强度和环境温度的仿真环境,结果表明所提出的MPPT控制策略准确性高、适应性强。