王瑜
- 作品数：21 被引量：231H指数：8
- 供职机构：华北电力大学电气与电子工程学院电子与通信工程系更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金河北省自然科学基金更多>>
- 相关领域：电气工程动力工程及工程热物理自动化与计算机技术电子电信更多>>
- 基于相关系数矩阵和概率神经网络的局部放电模式识别被引量：24
- 2013年
- 针对变压器局部放电模式分类过程中特征参数维数过高的问题,提出了一种基于相关系数矩阵的参数降维方法。利用提取出的变压器局部放电信号的特征参数构造相关系数矩阵,通过分析放电信号18个特征参数间的相关性,删除具有相似分类能力的特征参数,之后引入分离度指标来衡量特征向量的分类能力大小,提取出6个具有较高分类能力的特征向量,最后通过概率神经网络进行模式识别。结果表明该降维方法有效降低了特征参数的维数,简化了分类器结构,在小样本情况下对于概率神经网络模式分类器具有较高的识别率,识别效果优于传统BP神经网络。
- 苑津莎尚海昆王瑜靳松
- 关键词：概率神经网络变压器局部放电模式识别
- 多核多分类相关向量机在变压器局部放电模式识别中的应用被引量：24
- 2014年
- 针对传统单核分类器存在的固有二分类属性及识别信息不够完整的问题,首次提出了一种基于多核多分类相关向量机(MMRVM)的变压器局部放电模式识别新方法。首先选用不同的核函数对4种变压器局部放电信号特征进行映射,解决了不同数据源的问题;然后利用粒子群优化算法对核参数进行优化选择,有效避免了核参数选择的主观性;最后利用构建出的MMRVM分类模型直接进行多分类,实现放电模式识别。文中以实验室4种典型缺陷的变压器局部放电信号为研究对象,采用传统单核SVM分类器、单核RVM分类器与MMRVM分类器对其进行分析对比。结果表明,MMRVM分类器融合了多种放电特征信息,能够较为全面的描述放电特征,与单核分类器相比具有更高的诊断准确率和更好的实用性。
- 尚海昆苑津莎王瑜张利伟
- 关键词：多核相关向量机变压器局部放电模式识别
- 基于风场实验的三维叠加尾流模型特性研究被引量：2
- 2023年
- 针对目前存在的尾流模型对叠加尾流空间分布特征描述不完整的问题,提出了一种基于双高斯函数的三维叠加尾流模型(3DJGF-M模型),以达到对叠加尾流更准确、全面地预测。首先,修正了三维双高斯全尾流模型(3DJGF模型)的尾流膨胀系数,该系数不需要多次试验计算来确定,可减少计算成本;其次,通过引入风切变的影响,修正了速度亏损叠加原理;此外,以3DJGF模型为基础,利用考虑风切变的叠加原理推导了3DJGF-M模型;最后,利用激光雷达进行了风场实验,验证了3DJGF-M模型的准确性。结果表明:3DJGF-M模型在预测整个尾流区水平剖面以及垂直剖面的相对误差基本都在5%以内,预测效果良好,对于风电场布局优化有较大的应用潜力。
- 张绍海高晓霞徐施耐朱霄珣王瑜王喜
- 关键词：风力机
- 基于小波迹方法的局部放电信号消噪研究被引量：4
- 2019年
- 在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。
- 吕天成靳松王瑜宋丽翠
- 关键词：变压器局部放电消噪
- 平移不变小波迹消噪方法在局部放电检测中的应用被引量：6
- 2013年
- 针对变压器局部放电检测中存在较多干扰的问题,本文采用平移不变小波迹方法对放电信号进行消噪处理。该方法利用小波迹理论抑制信号噪声,并通过循环平移方法强化消噪效果。小波迹建立在小波变换基础之上,利用小波迹组合描述原始放电信号特征,去除了小波系数在各尺度之间的相关性,具有良好的放电特征保持性;循环平移则消除了小波基的平移依赖性,使消噪后的信号更加逼近真实放电信号。仿真及现场数据分析表明,基于平移不变小波迹消噪方法可以有效抑制局部放电噪声干扰,成功提取出有效的局部放电信号,消噪效果优于传统小波方法。
- 尚海昆苑津莎王瑜靳松
- 关键词：平移不变变压器局部放电消噪
- 基于极限学习机的变压器故障诊断方法研究被引量：63
- 2013年
- 针对基于传统智能学习方法的变压器故障诊断存在训练速度慢、需调整的参数多及参数确定困难的问题,提出了基于极限学习机(Extreme Learning Machine,ELM)的变压器故障诊断方法。文中根据变压器故障的特点选取输入特征向量,分析了激活函数、隐含层节点数目对诊断性能的影响,并与基于BP神经网络和SVM的诊断方法进行了对比。实验结果表明,文中提出的变压器故障诊断方法性能明显优于BP神经网络,与SVM的诊断正确率相当,需要预先设置的参数更少,训练速度更快,更加便于工程应用。
- 苑津莎张利伟王瑜尚海昆
- 关键词：变压器故障诊断极限学习机激活函数
- Beta分布在风电预测误差模型中的适用性被引量：16
- 2020年
- Beta分布凭借自身的特征优势,已经成为建立风电功率预测条件误差的主要模型。当前,大多数有关Beta分布建模的研究都集中在储能规划和经济调度方面,而针对复杂多变的风电功率预测条件误差,研究Beta分布适用性影响因素的成果较少。为了填补这方面的不足,论文做了如下工作:研究了Beta分布的参数和形态特征;根据这些特征给出了条件误差的非标准定义形式、异常数据的四分位区间处理方法,以及评估Beta分布适用性指标和步骤;针对不同容量的实际功率数据,完成了Beta分布在分组数量、异常点检测、参数估计方法、功率特征等关键因素影响下的适用性仿真;并根据仿真结果总结了Beta适用性的变化规律和一些经验准则。
- 杨宏闫玉杰王瑜
- 关键词：风电功率预测BETA分布
- 基于统计特征参数与相关向量机的变压器局部放电类型识别被引量：7
- 2014年
- 针对传统的局部放电模式分类器存在的不足,提出了一种基于统计特征参数与相关向量机(RVM)的变压器局部放电类型识别的新方法。首先针对4种变压器局部放电实验模型的二维图谱提取出表征图谱特征的16个统计参数,然后设计一对一RVM多分类模型,将统计参数作为输入向量送入RVM分类模型,实现放电类型识别。测试结果表明,RVM分类器具有较好的放电识别效果,与支持向量机(SVM)相比具有计算复杂度低、相关向量少、训练及测试时间短等优点,两者识别精度相当,均高于BPNN。
- 尚海昆苑津莎王瑜靳松
- 关键词：统计参数相关向量机变压器局部放电
- 基于知识推理的变压器局部放电故障检测技术被引量：13
- 2020年
- 局部放电故障诊断是用于检测电力系统设备中的高压绝缘内的缺陷。但是由于相关的背景知识和专业领域知识有限,从原始的监测数据中提取有价值的故障信息就面临了很大的挑战。文中开发了一个基于知识推理系统的变压器的局部放电故障检测技术。对局部放电传感器所采集的信息进行处理,获得相位解析的三维图,并通过对三维图进行分类、提取显著特征的方法对变压器故障进行诊断和定位。系统可以通过对大量广泛的局部放电行为的诊断和缺陷源的分类,支持在线设备状态评估和故障诊断。同时文中用此方法对一个未知的混合放电行为进行诊断,发现诊断精度高于传统的模式识别检测技术。
- 苑津莎王玉鑫刘铟王瑜许景然
- 关键词：局部放电知识推理故障检测
- 风力机偏航三维动态尾流特性及现场实验验证
- 2025年
- 对三维偏航全尾流模型进行了改进,考虑偏航风力机尾流的动态时延特性并进一步考虑其对尾流场空间分布的影响,提出一种风力机偏航三维动态全尾流模型,即Y-3DJGF-T模型。在某陆上风电场使用2台垂直式激光雷达进行现场实验,并结合数据采集与监视控制(SCADA)系统数据分析了偏航状态下尾流延迟时间及速度变化,以验证Y-3DJGF-T模型在尾流中心线和垂直剖面风速的预测准确性。结果表明:Y-3DJGF-T模型计算值与实测值的平均相对误差为2.51%。
- 高晓霞吕陶马万里朱霄珣王瑜王瑜
- 关键词：风力机
