基于形态学滤波器和相似段搜索算法的风能预测方法

    公开(公告)号:CN106485354A

    公开(公告)日:2017-03-08

    申请号:CN201610877162.2

    申请日:2016-09-30

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明公开了基于形态学滤波器和相似段搜索算法的风能预测方法,包括以下步骤:(1)设计高频滤波器;(2)对于平均趋势分量m(t),平均趋势分量m(t)是一个低频分量采用局部预测的方法代替全局预测,利用欧几里得距离寻找相似段,利用相似段训练最小二乘支持向量机模型,从而进行预报;(3)采用局部预测法,即根据某种特定的原则,在历史数据中选取部分数据进行建模、预测,采用相似段搜索算法--“二级相似”算法。(4)综合两个独立分量的预报结果,即为风能预报的最终结果。具有预测风电场发电功率物理意义明确、预测结果稳定和预测精度高等优点。

    一种基于盲源分离算法的低频振荡模式分析方法

    公开(公告)号:CN106202977A

    公开(公告)日:2016-12-07

    申请号:CN201610682683.2

    申请日:2016-08-17

    Abstract: 本发明公开了一种基于盲源分离算法的低频振荡模式分析方法,包括以下步骤:采集电力系统的低频振荡信号作为输入,利用Takens嵌入定理将该单通道时间序列构造成多通道观测信号矩阵;利用盲源分离算法对该矩阵进行处理,分解得到不同的低频振荡模式;结合时频分析方法,求出不同的单模式信号的瞬时幅值和频率;对瞬时频率取平均值得到平均频率,对瞬时幅值的对数随时间的变化曲线进行最小二次拟合得到平均衰减系数。本发明方法将Takens嵌入定理、盲源分离、时频分析的理论结合在一起,不仅能够准确地从单通道时间序列中分离出不同的振荡模式,并且能够跟踪不同模式的瞬时频率和幅值的变化情况,还具有一定的抗噪声能力。

    一种用于电力能源系统的SOC芯片

    公开(公告)号:CN106201986A

    公开(公告)日:2016-12-07

    申请号:CN201610465161.7

    申请日:2016-06-22

    CPC classification number: Y02D10/12 G06F15/7807

    Abstract: 本发明公开了一种用于电力能源系统的SOC芯片,包括采集模块、存储模块、信号处理模块、传输模块及总线模块,所述总线模块包括相互连接的AHB高速系统总线及APB低速外设总线;所述信号处理模块、存储模块及传输模块与AHB高速系统总线相互连接,所述采集模块与APB低速外设总线相互连接;信号处理模块具体为ZSP400数字信号处理器;传输模块包括DMA单元;采集模块采集传感器侧的模拟及数字信号,通过传输模块传输至存储模块,信号处理模块读取存储模块的数据进行处理。本发明具有成本低、功耗低、体积小、使用方便、准确度高。

    一种具有加密解密功能的IEC61850通信规约转换器及实现方法

    公开(公告)号:CN105871895A

    公开(公告)日:2016-08-17

    申请号:CN201610327057.1

    申请日:2016-05-17

    CPC classification number: H04L69/08 H04L9/0631 H04L9/0637 H04L63/0428

    Abstract: 本发明公开一种具有加密解密功能的IEC61850通信规约转换器及实现方法,其包括FPGA处理器、电源模块,通信接口模块、存储模块。FPGA处理器与通信接口模块、电源模块、存储模块相连接。所述FPGA处理器内嵌高性能ARM微处理器、以太网控制器MAC,UART串口通信接口,高级加密解密AES模块,时钟模块、复位模块及PLL锁相环模块;所述存储模块包括ROM、EFLASH及SRAM存储器。本发明实现了传统变电站通信采用的IEC103规约与国际通信标准协议IEC61850规约转换,为变电站自动化系统通信实现统一提供解决方案,并支持光纤通信,具有加密解密的功能,提高了数据传输的速率和安全性。

    基于优化算法的电力系统故障信号检测与波形识别方法

    公开(公告)号:CN103675544B

    公开(公告)日:2016-01-20

    申请号:CN201310661238.4

    申请日:2013-12-09

    Abstract: 本发明公开了一种基于优化算法的电力系统故障信号检测与波形识别方法,其方法如下:首先利用电流互感器采集电力系统信号数据,通过互感器与数据采集卡连接,由数据采集卡转换为数字信号发给上位机;然后在上位机采用优化算法估计电力系统信号的基波分量(包括振幅、频率、相位)、谐波分量(包括各谐波的振幅、频率、相位)、指数衰减的直流偏移(包括幅值、时间常数)及故障起始点,最后根据这些估计参数重构电力系统信号,优化目标为重构信号与实测信号之间的最小二乘方差误差最小。本发明能够准确估计在无故障及有故障情况下的信号参数;故障起始点的检测与故障信号波形的识别同时进行,优化算法能够在半周期长的采样窗口内完成上述两项任务。

    一种高电源抑制比的带隙基准电压源

    公开(公告)号:CN104932601A

    公开(公告)日:2015-09-23

    申请号:CN201510367463.6

    申请日:2015-06-26

    CPC classification number: G05F3/30

    Abstract: 本发明公开了一种高电源抑制比的带隙基准电压源,包括:带隙基准核心电路、前置稳压电路、参考电压转换电路、电源分压电路和启动电路。启动电路在上电后为带隙基准核心电路中的运算放大器提供初始偏置电流;电源分压电路通过对电源电压进行分压产生出所需的不同的电源分压;前置稳压电路为带隙基准核心提供预调节电压;参考电压转换电路通过判断带隙基准核心电路的输出状态选择带隙基准核心电路输出或者电源分压作为前置稳压电路的参考电压;带隙基准核心电路输出带隙基准电压。本发明具有能提高带隙基准电压源的电源抑制比等优点。

    基于趋势探测器和数学形态学算子的风能预测方法

    公开(公告)号:CN104504463A

    公开(公告)日:2015-04-08

    申请号:CN201410768278.3

    申请日:2014-12-12

    CPC classification number: Y04S10/54 G06Q10/04 G06Q50/06

    Abstract: 本发明公开了一种基于趋势探测器和数学形态学算子的风能预测方法,所述方法引入了震荡元和权重质心的概念,并在此基础上,结合常规数学形态学算子设计了一个平均趋势探测器,将非平稳的风电场历史风能数据分解为两个独立的分量:低频的平均趋势分量和高频的随机分量,平均趋势分量反映了风能的总体变化趋势,随机分量则是风电易变性、随机性的具体体现;采用正弦预测算子对平均趋势分量进行预报,采用局部数学形态学预测算子对随机分量进行预报;将平均趋势分量和随机分量的预报结果相加得到风电场风电输出功率的预报结果。本发明的风能预测方法充分利用了数学形态学运算简单、速度快的优点,提高了预报的效率,其预测结果稳定、预测精度高。

    基于形态学梯度小波的电流互感器饱和检测方法

    公开(公告)号:CN103245860A

    公开(公告)日:2013-08-14

    申请号:CN201310150387.4

    申请日:2013-04-26

    Abstract: 本发明公开了一种基于形态学梯度小波的电流互感器饱和检测方法,包括以下步骤:(1)采集CT二次侧的电流信号I1;(2)对I1进行采样,得到I1在各采样点处的采样值;(3)利用基于形态学梯度小波理论的近似分析算子和细节分析算子依次对I1各采样点处的采用值进行处理,得到I1在每个采样点处的细节输出信号y1(n);(4)利用数学形态学开闭运算对y1(n)进行平滑处理,得到电流信号fr,利用数学形态学高帽变换对fr进行局部放大处理,得到电流输出信号TTH(fr);(5)通过TTH(fr)得到检测结果T;(6)根据检测结果T判断CT二次侧的电流信号I1的进饱和点、出饱和点及饱和区域。本发明的检测方法具有步骤简单、延时小、抗噪性强以及准确度和稳定性高等优点。

    基于虚拟注入电流比和二阶段重构的配电网故障定位方法

    公开(公告)号:CN114895140B

    公开(公告)日:2024-04-16

    申请号:CN202210364589.8

    申请日:2022-04-08

    Abstract: 本发明公开了一种基于虚拟注入电流比和二阶段重构的配电网故障定位方法,包括:1)根据故障电流源注入的特征,设定虚拟注入电流向量,并通过推导虚拟注入电流向量与故障位置的关系,定义虚拟注入电流比,将故障定位问题转化为虚拟注入电流向量的重构问题;2)第一阶段重构:基于压缩感知技术重构虚拟注入电流向量,并选取虚拟注入电流向量中两个值最大的节点形成初步的故障区段;3)第二阶段重构:根据初步的故障区段,优化选取观测节点,再次重构虚拟注入电流向量;4)根据第二阶段重构的虚拟注入电流向量确定最终的故障区段,计算虚拟注入电流比,得到故障位置的估计值。本发明能提高虚拟注入电流向量的重构精度,从而提高故障定位的精度。

    结合Walsh功率谱和数学形态学的数据聚类方法

    公开(公告)号:CN115345221A

    公开(公告)日:2022-11-15

    申请号:CN202210889405.X

    申请日:2022-07-27

    Abstract: 本发明公开了一种结合Walsh功率谱和数学形态学的数据聚类方法,包括:1)先将数据进行Walsh变换,再计算得到数据的Walsh功率谱;2)选择数据的Walsh功率谱参数作为相应组数据的特征集;3)计算得到所有数据的特征集后,对所有特征集进行离散化;4)将离散化后的结果绘制在同一坐标系中,完成聚类,得到初步的聚类结果;5)根据初步的聚类结果,判断是否进行数学形态学运算,得到最终的聚类结果。本发明使用Walsh功率谱代替传统频域功率谱,极大减少了计算量。功率谱作为特征集并离散化至坐标系中,有利于后续形态学处理。数学形态学的应用能够克服传统聚类方法复杂的分类规则,使用结构元素对离散化后的图形进行处理可以更为直观地观测聚类过程和结果。

Patent Agency Ranking