随着海上风力发电和光伏发电的快速发展,海洋输电工程的地位越来越重要,海底电缆的应用也越来越广泛.获得精确的海底电缆位置不仅有利于日常巡检,而且提高了故障检测的效率,因此,海底电缆的路由定位和故障检测将会是未来维护和维修的重要环节.由于海底电缆的小直径和内部电流的变化性,导致定位准确度的下降以及定位难度的上升.针对上述问题,首先,基于海底环境和水下机器人,利用三芯铠装海底电缆的电缆结构推导海底电缆外磁场的近似方程;然后,水下机器人根据检测到的磁感应强度值进行姿态调整,在此基础上,提出一种基于改进灰狼优化算法(improved grey wolf optimization,IGWO)的海底电缆定位算法,利用基于磁通密度模的适应度函数,设计一种用于海底电缆探测的在线路径定位方法;最后,通过仿真实验验证了IGWO算法实现海底电缆定位的精确性和有效性.
既有谐波源建模方法在应用于内部拓扑未知与机理不明场景时，难以有效兼顾谐波源的频域稳态特征与动态时变特征，致使所构建模型的准确性与鲁棒性难以提升。为此，本文提出一种基于时-频特征联合提取的谐波源数据驱动建模方法。首先，根据谐波源历史电压电流的频域分量确定谐波源的主导谐波频次；其次，构建谐波源稳态电压时-频特征矩阵并对其进行伪彩色编码以实现特征升维；最后，将动态时变信号与稳态特征分量彩色图组合输入所构建的多重卷积神经网络(Multiple convolutional neural network， MCNN)与双向长短时记忆网络(Bi-directional long short term memory network， BiLSTM)组合模型，构建反映谐波源动态时变特征与频域稳态特征的电压-电流映射关系。经仿真与实测数据验证，相较于其他数据驱动建模方法，所提方法不仅在单一谐波源建模场景下具有明显的优势，在复杂多谐波源场景下也具备较高的准确率与较强的鲁棒性。
暂无评论