一种功率单元、功率单元控制系统及其控制方法

    公开(公告)号:CN109390961A

    公开(公告)日:2019-02-26

    申请号:CN201811471996.9

    申请日:2018-12-04

    Abstract: 本发明提供一种功率单元、功率单元控制系统及其控制方法,功率单元包括交流输入熔断器、三相不控整流桥、直流母线电容、放电电阻、H桥逆变单元、旁路开关、双向DC/DC变换器、功率二极管、直流接触器、直流熔断器、储能电池组及功率单元控制器,功率单元控制器对功率单元进行控制,本发明通过多级串联可构成不同电压等级的电能质量综合治理装置,在电网电压出现暂降、短时中断等异常状态时,可以实现对负荷的不间断供电;在电网电压正常情况下,可实现负载的高质量可靠供电,同时能对功率单元中的储能电池组进行主动充放电管理,进而延长储能电池组使用寿命。

    一种考虑多元因素态势演变的配变迁移学习故障诊断方法

    公开(公告)号:CN109254219B

    公开(公告)日:2019-10-22

    申请号:CN201811396356.6

    申请日:2018-11-22

    Abstract: 本发明提供一种配变迁移学习故障诊断模型,包括:(1)对影响配变运行状态的状态量分为动态状态量、准动态状态量及静态状态量,构建配变运行状态评价指标体系;(2)对指标状态量进行二元量化,利用Apriori算法挖掘其与故障之间的关联关系,提取诱导变压器故障的的关键指标状态量;(3)引入Tanimoto系数,将有效的辅助故障数据迁移至目标配变;(4)利用迁移学习算法TrAdaBoost对目标故障数据与辅助故障数据的权重进行迭代求解,得到配变故障诊断模型,用以进行目标配变的故障诊断。本发明将辅助配变的故障信息迁移至目标配变,较好地解决了配变单体故障数据少给配变故障诊断带来的难题。

    一种基于KNN的配网接地故障原因识别方法

    公开(公告)号:CN108983042A

    公开(公告)日:2018-12-11

    申请号:CN201810824588.0

    申请日:2018-07-25

    Abstract: 本发明提供一种基于KNN的配网接地故障原因识别方法,通过人工接地试验或现场实际故障录波获取不同故障原因的零序电流波形数据,提取表征不同故障原因的自恢复性、过渡时间、零休时间、畸变程度、随机程度5项特征参量,形成特征样本库;当故障发生时,计算输入波形的上述特征,采用KNN算法查找其所属原因类别。本发明一方面可通过在故障巡查前聚焦故障原因,从而制定有针对性的巡查方案,大幅提升故障查找效率,减少停电损失;另一方面可准确掌握某一供区配电网故障原因分布规律,制定隐患治理及故障防范措施,促进配电网运维管理精益化水平的提升;且随着故障样本及特征数量的增加,特征样本库将更加完善,识别成功率更高。

    一种功率单元、功率单元控制系统及其控制方法

    公开(公告)号:CN109390961B

    公开(公告)日:2023-08-18

    申请号:CN201811471996.9

    申请日:2018-12-04

    Abstract: 本发明提供一种功率单元、功率单元控制系统及其控制方法,功率单元包括交流输入熔断器、三相不控整流桥、直流母线电容、放电电阻、H桥逆变单元、旁路开关、双向DC/DC变换器、功率二极管、直流接触器、直流熔断器、储能电池组及功率单元控制器,功率单元控制器对功率单元进行控制,本发明通过多级串联可构成不同电压等级的电能质量综合治理装置,在电网电压出现暂降、短时中断等异常状态时,可以实现对负荷的不间断供电;在电网电压正常情况下,可实现负载的高质量可靠供电,同时能对功率单元中的储能电池组进行主动充放电管理,进而延长储能电池组使用寿命。

    一种基于KNN的配网接地故障原因识别方法

    公开(公告)号:CN108983042B

    公开(公告)日:2020-05-22

    申请号:CN201810824588.0

    申请日:2018-07-25

    Abstract: 本发明提供一种基于KNN的配网接地故障原因识别方法,通过人工接地试验或现场实际故障录波获取不同故障原因的零序电流波形数据,提取表征不同故障原因的自恢复性、过渡时间、零休时间、畸变程度、随机程度5项特征参量,形成特征样本库;当故障发生时,计算输入波形的上述特征,采用KNN算法查找其所属原因类别。本发明一方面可通过在故障巡查前聚焦故障原因,从而制定有针对性的巡查方案,大幅提升故障查找效率,减少停电损失;另一方面可准确掌握某一供区配电网故障原因分布规律,制定隐患治理及故障防范措施,促进配电网运维管理精益化水平的提升;且随着故障样本及特征数量的增加,特征样本库将更加完善,识别成功率更高。

Patent Agency Ranking