关键词： 电流互感器   智能电网   时间序列预测   集成学习   注意力机制  

摘要： 随着智能电网建设的深入推进,电流互感器作为电力系统的关键量测设备,其监测与误差分析的实时性与精准性需求日益凸显。然而,由于一次侧电流标准值无法直接测得,误差分析缺乏有效的参考基准,且传统检定方法效率低、成本高,难以满足实时监测的需求。现有的数据驱动预测方法虽有所提升,但在特征表征深度、多尺度建模能力和边缘适应性方面仍有局限。为此,本文引入时间序列预测算法,利用历史数据预测电流幅值和相位的标准值,并将预测值作为参考标准值进行误差分析。考虑到不同部署场景的算力差异,本文分别设计了边缘侧机器学习模型和远端深度学习模型来实现电流参考标准值的预测,具体工作如下。 1.针对边缘侧低算力场景,本文提出了基于Prophet的机器学习误差分析模型PKStacking,以弥补传统Prophet模型在高斯分布假设下对残差学习能力不足的问题。在该模型中,设计了残差特征增强模块与残差集成预测模块。首先,利用KNN引导的历史相似时间窗口检索机制,提取对应残差并计算修正量,从而构建包含残差信息的增强特征表示。随后,采用由SVR和RFR组成的双基学习器,以及以Lasso为元学习器的集成学习结构,实现残差序列的非线性建模与动态权重分配,提升了模型对残差项的学习能力与整体预测准确性。 2.针对远端高算力场景,本文提出了融合周期感知与门控多尺度注意力的深度学习误差分析模型MSCPformer,以克服传统Transformer在周期模式提取、特征筛选和多尺度交互方面的不足。在该模型中,设计了周期提取模块和门控多尺度级联注意力模块。周期提取模块显式分离电流数据的固有周期分量,并将残差分量送入编码器。编码器中的门控多尺度级联注意力模块对时序特征进行动态调节,并实现变量间依赖关系的多层次挖掘,从而精准提取多路电流信息特征,提升电流互感器参考标准值的预测精度与稳定性。 3.为验证本文模型的有效性,设计了一系列对比实验和消融实验。在边缘侧与远端分别针对不同预测窗口进行实验,以评估PKStacking和MSCPformer在电流幅值与相位预测中的准确性和稳定性。实验结果表明,两种模型在不同预测窗口下均表现出较高的精度与稳定性,消融实验进一步验证了所提模块的有效性。整体而言,本文方法能够有效提升电流互感器误差分析的准确性。

ISBN: (数字)9781394279388;9781394279395 ISBN: (纸本)9781394279371

摘要： Expert guidance on technologies to build the Internet of Things (IoT) from electrical engineering and power industry perspectives IoT for Smart Grid presents advanced Internet of Things (IoT) technologies that are utilized in various aspects of smart electrical systems, especially monitoring, diagnosis, automation, and industrial evolution, from the point of view of both electrical engineering and power industry facilities and resources. The book describes how IoT has expanded the use of wireless sensor networks (WSN) to play a vital role in connecting power industry facilities and resources to reduce energy consumption and costs. It also explores concepts of e-mobility that include smart parking, vehicle monitoring, and charging, and considers future challenges such as security and privacy concerns in transactive systems and scalability and standardization issues. Later chapters describe communication protocols for transactive IoT, smart grid integration, cybersecurity challenges, smart energy management, and more. Relevant examples and practical case studies are included to enrich and reinforce learning. Edited by a team of highly qualified professionals in the field, IoT for Smart Grid explores additional topics such as:

• MQTT, CoAP, and other protocols in transactive systems and WSN diagnostic tools for ensuring reliability and performance
• The role of sensors and actuators in transactive models and significance of transactive IoT in modern applications
• Remote control and automation in smart grids, utilizing IoT for demand response programs, load shifting strategies, and dynamic pricing models and IoT integration

IoT for Smart Grid is a definitive reference for identifying and applying advanced technologies and concepts and a highly valuable learning resource for students, researchers, consultants, and utility engineers in the design, use, and maintenance of electrical power systems.

摘要： 清洁能源装备制造业在全球能源转型驱动下呈现快速发展趋势，但资源利用效率不高、技术创新不足和财务压力较大成为行业普遍问题。本文提出技术研发支持、资本运作与风险管理等多层次优化路径，以期为企业提供切实可行的指导方案。创新发展战略与财务协同关系揭秘创新理论作为现代经济发展的重要理论基础，对清洁能源装备制造企业具有极强的指导意义。清洁能源装备制造业的特点决定了技术创新不仅是企业突破市场瓶颈的关键手段，还是推动全行业转型升级的重要动力。

摘要： 我们尊重您的宝贵意见亲爱的读者信息通信时代的专业期刊《广东通信技术》、由广东通信学会和广东省电信情报中心站联合主办。置身通信产业波澜壮阔的变革下的《广东通信技术》正向综合类通信期刊转型,以全新的视角关注通信前沿技术、市场热点和经营理念。《广东通信技术》在继续发表通信产业优秀学术论文的基础上,逐步加大对市场类、管理类等深度分析文章的发表,贴近企业、市场的需要,满足读者的需求。通过此表,我们将了解、发现并不断满足您的需求。传真、寄回反馈表,你将有机会获赠精美礼品!感谢您对《广东通信技术》的支持!

关键词： 风力发电   基础工程   专项施工技术  

摘要： 基础工程专项施工技术可行性对风力发电工程的后期运维有直接影响，在本次研究中将采用案例分析法，根据我厂风力发电基础工程项目的施工情况，分析总结了当前工程中面临的问题，并详细阐述了项目现场施工中的关键技术方案，包括确定施工方案、路基土石方开挖、挡土墙施工、钢筋混凝土施工方案等，并详细分析了现场施工中的相关注意事项。本文提出的基础工程专项施工技术方案可有效解决本次风力发电基础工程中出现的施工难度高、易发生施工质量风险的问题，对类似工程有一定的借鉴价值，值得推广。

关键词： 日常生活地理   信息通信技术   生活—空间互动   人地关系   虚实空间交互   社会空间辩证法  

摘要： 信息通信技术（ICT）的快速发展与社会变革对人类活动和地理环境以及两者之间的相互作用产生了深远影响，引发了空间行为的虚拟转向、生活空间重构以及虚拟空间中的社会文化现象，并为智慧空间规划与治理提供了新方案，特别是在日常生活与空间互动的特征和内在机制方面产生了复杂变化。因此，有必要从日常生活地理的研究视域出发，重新审视ICT影响下的日常生活人地关系这一前沿话题，并提出应对的理论框架和研究思路。本文在梳理ICT对日常生活地理影响进展及人地关系研究薄弱环节的基础上，从理论内涵解读、理论与方法内容创新、实证议题拓展等方面构建ICT影响下日常生活与空间互动的理论和研究框架，发展以技术—社会—空间三元互动、数字空间生产以及虚实空间交互为理论基础的生活—空间互动解释框架，从生活—空间互动的特征、机制、演化、效应和响应等内容形式上丰富日常生活地理领域的内容体系，从生活—空间互动的侧面为未来人地关系理论创新提供新的视角。最后，通过反思西方地理学的智慧生活研究，为中国地理学与日常生活地理研究方向创新提供启示，推动数字生活实践和人文地理学科的进步。

关键词： 模块化多电平换流器   三次谐波注入调制   柔性直流输电系统   变压器接线   系统主接线  

摘要： 三次谐波注入调制策略应用于柔性直流输电系统中有提升直流电压利用率、减小器件的电流应力、降低换流器的损耗及提高换流器的安全裕度和故障穿越能力等优点。考虑到三次谐波注入策略并非适用于所有接线形式的柔直工程，本文针对该策略应用于柔直系统时的接线方式适用性展开系统性研究。首先对柔性直流输电及三次谐波注入的基本原理进行概述；然后基于变压器基本原理分析并揭示了不同接线形式的变压器传播三次谐波的机理；最后对不同应用场景下的策略适用性进行分析。本研究能够给三次谐波注入策略应用于柔直系统时的接线方式选择提供参考。

关键词： 永磁同步电机   匝间短路故障   同步压缩小波变换   短时傅里叶变换   卷积神经网络   支持向量机  

摘要： 永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)凭借其功率密度高、能量转换效率高的优点,已成为新能源汽车驱动系统、航空推进装置及轨道交通牵引装备的核心动力部件。但是,由于其振动、温湿度高的工作环境,会使永磁同步电机出现匝间短路故障。早期这类故障往往呈现出隐蔽性的特点,异常信号被正常工况数据掩盖,使得匝间短路故障难以被发现。为了迅速精确地检测到永磁同步电机匝间短路故障,保证其在复杂的环境中安全可靠的运行,本文研究永磁同步电机的匝间短路故障诊断方法,主要内容如下: 1、首先,阐述了PMSM的基本工作原理,构建正常工况与定子绕组匝间短路故障状态下的数学模型;其次,介绍了永磁同步电机矢量控制的工作机理;最后,基于MATLAB/Simulink环境构建了正常状态和定子匝间短路状态下的PMSM系统仿真模型,实验结果表明了仿真模型的有效性,为PMSM匝间短路故障诊断提供了实验基础。 2、针对传统机器学习方法中提取特征量效果差,模型参数敏感性高的问题,提出了基于同步压缩小波变换的卷积神经网络故障诊断方法。首先,采集PMSM单相匝间短路故障状态下的定子电流信号,将其进行同步压缩小波变换,得到二维的故障特征样本数据集;然后,建立卷积神经网络匝间短路故障诊断模型,通过故障特征训练集训练神经网络模型;最后,通过故障特征测试集验证所提模型,实验结果表明了该方法的有效性。 3、针对同步压缩小波变换部分故障特征丢失的问题,在第三章的基础上,提出了基于短时傅里叶变换和同步压缩小波变换相结合的故障信号处理方法。同时,为了提高故障诊断准确度,建立了卷积神经网络-支持向量机的故障分类模型。首先,利用短时傅里叶变换和同步压缩小波变换的互补性,分别对故障电流数据特征提取;其次,将特征数据同时送入并行的卷积神经网络,经过卷积和池化操作后,将输出的两组一维向量进行拼接融合,通过全连接层后,将融合特征输入到SVM分类器中;最后,在仿真实验平台中验证该算法,结果表明,该方法的故障诊断精确率提高,且能够快速定位匝间短路故障。 4、搭建永磁同步电机匝间短路故障验证平台,完成了该平台的硬件与软件设计。将实时采集的PMSM正常和匝间短路故障状态下的电流数据,在上位机中进行信号预处理,特征提取和故障分类,验证文中所提出的永磁同步电机匝间短路故障诊断算法具有工程应用价值。

关键词： 卷积神经网络   永磁同步电机   特征信号处理   状态监测   状态预测  

摘要： 电机作为工业和农业生产中的核心组件。其频繁启停、过载运行和部件磨损失效等问题容易发生故障,导致经济损失甚至是严重安全事故。现有监测方法在变工况、强噪声环境下存在特征提取困难、抗干扰能力不足等问题,需要一种高精度的状态在线检测和预测的方法,因此,本文针对电机变工况问题以及强噪声环境下的状态判断等难题,开展了基于卷积神经网络(CNN)的状态智能在线监测及预测方法研究。 本文以永磁同步电机(PMSM)为对象,分析了永磁同步电机的几个典型故障如动态偏心故障情况、静态偏心故障情况和永磁体退磁等故障的原因,并建立了各个状态下的有限元仿真模型。为实现对电机进行在线监测与预测,根据边缘计算,提出了基于Jetson Nano的电机状态在线监测及预测的边缘计算系统,通过在电机上对在线监测与预测装置的部署,实现对电机状态信号的实时获取与监测。 针对电机状态监测时的信号有效特征提取困难,单特征信号源和强噪声环境导致状态分辨不清晰、效率低等问题,本文提出一种PSO-样本熵-CEEMDAN特征信号分解算法,面对CEEMDAN算法虽然可以较好分解信号特征但内部参数难以设定的问题,使用PSO算法对噪声幅值和噪声对的次数进行优化,以分解后的子序列样本熵为适应度函数,使分解算法有效降低原序列的复杂性。 针对基于信号处理的传统的电机状态监测和预测方法依赖专家知识、抗噪声能力差以及高度依赖传感器信号质量的问题,提出一种数据融合模块,通过注意力机制对神经网络中不同信号特征进行筛选,有效融合了输入的各个特征信号的隐藏特征。以卷积神经网络为基础,提出一种结合残差网络和数据融合模块的卷积神经网络模型,对电机不同状态下的进行状态检测,结果表明该模型有较高的识别精度,并将识别结果与不同网络进行对比,证明该模型在电机状态在线监测及预测中的可行性。 最后,针对电机状态在线监测和预测问题,通过将设计好的网络模型与各个部分进行整合,提出一种电机状态在线监测及预测系统,并搭建电机实验平台,对系统进行部署,并验证了电机在线监测及预测系统的可行性与有效性。