国产精品不卡在线,精品国产_亚洲人成在线高清,色亚洲一区,91激情网

近年來，隨著配電網智能化建設水平的提高，配電系統(tǒng)的運行與控制將受到大量不確定因素的影響。由于將來大量的直流設備會接入配電網中，給配電網的電能質量的治理帶來新的困難。

針對配電網中出現(xiàn)的電能質量、諧波、電壓跌落等問題，有學者就提出利用混合式配電變壓器（Hybrid Distribution Transformer, HDT）來解決。西安交通大學科研人員研究的混合式配電變壓器實現(xiàn)了配電變壓器與電力電子裝置的集成一體化，不僅能夠在未來智能配電網中代替?zhèn)鹘y(tǒng)配電變壓器實現(xiàn)無功功率補償、諧波治理、電壓調節(jié)等功能，同時使二者協(xié)調工作，方便維護，總體成本較低，現(xiàn)場應用更加方便。

混合式配電變壓器主體仍為傳統(tǒng)配電變壓器，通過并聯(lián)電力電子器件實現(xiàn)對傳輸功率的調節(jié)，因此可用于配電網電壓調節(jié)。當發(fā)生故障時，通過切除電力電子器件，混合式配電變壓器仍可作為傳統(tǒng)配電變壓器使用。

然而電力電子裝置的可靠性和使用壽命都遠遠低于傳統(tǒng)配電變壓器，混合式配電變壓器作為一種新型的配電變壓器，目前沒有相關的研究來鑒別混合式配電變壓器的電力電子故障和變壓器故障，所以混合式配電變壓器發(fā)生電力電子故障的時候就會觸發(fā)繼電保護。如果能夠針對混合式配電變壓器的故障做出正確的辨識，當發(fā)生電力電子故障的時候，及時地切除電力電子裝置，使混合式配電變壓器仍工作在傳統(tǒng)變壓器工況，就能大大地提高混合式配電變壓器運行的可靠性和穩(wěn)定性。

鑒于變壓器本身客觀存在的非線性特性和模糊狀態(tài)，近年來隨著神經網絡、機器學習、深度學習等人工智能技術的發(fā)展，國內外學者不斷地將模糊數(shù)學、神經網絡、小波變換、機器學習和深度學習等智能技術應用到變壓器故障辨識領域。

然而目前幾乎沒有學者針對混合式配電變壓器同時做變壓器和電力電子裝置的相關故障辨識研究工作。發(fā)生在混合式配電變壓器中的變壓器內部故障和電力電子裝置故障在很多情況下具有很大的相似性，所以如何正確地辨識混合式配電變壓器的電力電子故障和變壓器內部故障就成為一個制約混合式配電變壓器使用可靠性和穩(wěn)定性的難點問題。

西安交通大學的科研人員在利用各種人工智能方法研究傳統(tǒng)配電變壓器故障的基礎上，提出了一種基于小波變換和邏輯斯蒂回歸的混合式配電變壓器故障辨識方法。一共考慮五個種類的混合式配電變壓器故障類型，分別為相間短路故障、匝地短路故障、單相匝間短路故障、IGBT短路故障和IGBT開路故障。

研究人員首先通過搭建的實驗平臺的實驗波形與仿真波形的對比，驗證了仿真模型得到的數(shù)據(jù)的正確性和有效性。然后通過在Simulink中搭建的混合式配電變壓器仿真模型遍歷運行不同的故障參數(shù)，獲得了大量的不同類型的故障數(shù)據(jù)。接著將故障數(shù)據(jù)經過四層離散小波變換，將小波域下的第四層小波分解的歸一化能量與歸一化能量矩和第二層小波分解的樣本熵作為原始時域信號在小波域下的三個特征，組成特征向量輸入邏輯斯蒂回歸模型中。

圖1 混合式配電變壓器實驗樣機

他們根據(jù)給定的損失函數(shù)，利用梯度下降法完成機器學習模型的訓練過程，得到了受試看工作特征（Receiver Operator Characteristic, ROC）曲線和測試集混淆矩陣表現(xiàn)較好的混合式配電變壓器故障辨識模型。最后多次通過隨機抽取數(shù)據(jù)的方式測試出得到的模型故障辨識準確率。

研究結果表明，當混合式配電變壓器發(fā)生故障時，所提出的基于四層離散小波變換和歸一化能量矩等特征提取方法能夠有效地提取混合式配電變壓器在兩種不同故障情況下的特征信號在小波域下的特征，并且具有很好的可區(qū)分性；構建的訓練后的邏輯斯蒂回歸分類器在故障數(shù)據(jù)集上對于混合式配電變壓器故障辨識多次測試的準確率均在90%左右，能夠有效地辨識出混合式配電變壓器故障情況下的故障類型，提高了混合式配電變壓器運行過程中的可靠性和穩(wěn)定性。

本文編自2021年《電工技術學報》增刊2，論文標題為“基于小波變換與邏輯斯蒂回歸的混合式配電變壓器故障辨識”，作者為張立石、梁得亮 等。