阻抗匹配

针对电力线信道阻抗变化复杂、负载阻抗不匹配造成通信质量差等问题，提出一种基于深度强化学习的Π型阻抗匹配网络多参数最优求解方法，并验证分析了深度强化学习对于寻找最优匹配参数的可行性。首先，建立Π型网络结构，推导窄带匹配和宽带匹配场景下的最优匹配目标函数。其次，采用深度强化学习，利用智能体的移动模拟实际匹配网络的元件参数变化，设置含有理论值与最优匹配值参数的公式作为奖励，构建寻优匹配模型。然后，分别仿真验证了窄带匹配和宽带匹配两种应用场景并优化模型的网络参数。最后，仿真结果证明，经过训练后的最优模型运行时间较短且准确度较高，能够较好地自动匹配电力线载波通信负载阻抗变化，改善和提高电力线载波通信质量。

本项目主要关注大型发电机的早期绝缘缺陷问题。针对前文所介绍的定子绕组放电缺陷，转子绕组重间短路故障和定子端部绕组微渗漏问题等三种典型的早期绝缘缺陷的诊断技术展开了研究工作，针对定子绕组放电缺陷缺乏综合诊断评估手段的现状，本项目研究了基于介损测量数据，局放检测数据和紫外电晕数据的发电机定子绕组放电缺陷联合诊断技术。在紫外电晕查找方面，本项目首次将紫外成像技术应用于发电机定子端部绕组表面电晕查找工作，并通过提出计及观测距离，观测增益，湿度和海拔高度等因素的紫外成像仪光子数标定方法以及基于紫外成像法的发电机端部绕组电晕标准化检测方法，实现了电晕严重程度的量化评判。针对放电缺陷联合诊断技术，项目建立了放电缺陷评价指数用以综合评估定子绕组放电缺陷的总体严重程度，构建了基于三类检测数据的决策树，用以判断放电类型。项目所研究的联合诊断技术在托克托电厂5号机和京西燃气热电3号机上进行了应用，所研究的紫外电晕查找技术在国华北京热电2号机等40余台机组上进行了应用。针对RSO技术在理论研究方面尚无精确转子模型的问题，本项目基于多导体传输线（MTL）理论建立了转子绕组分析模型，为RSO技术的理论研究和设备研制奠定基础。针对RSO检测设备检测精度差，缺乏自主知识产权的问题，项目基于虚拟仪器技术自主研发了双模式输出，且具有阻抗匹配功能的RSO检测设备。针对RSO技术应用时缺乏一套详尽的流程规范，评判标准既无理论指导也无大量历史数据支撑的问题，项目提出了基于RSO法的转子绝缘缺陷标准化诊断流程和“两库一系统”的诊断方案。项目所研究的RSO技术在张家口电厂7号机和托克托电厂1、2、5号机上等近40台机组上进行了实际应用，并在京能京桥热电厂3号机上首次实现转子绕组动态一点接地故障检测与定位。针对电容分布谱技术实际应用时定子线棒局部电容测量精度低，微渗漏缺陷检测灵敏度和准确度有待进一步提高的问题，本项目提出采用中压变频方法的电容分布谱技术，实现了定子线棒微渗漏缺陷的诊断，建立了正态分布和四分位差互补的数据分析及判别准则和基于频谱分析的幅值相位校正算法，研发了采用柔性气动电极的电容分布谱测绘仪。所研究的电容分布谱技术在实验室进行了测试并在石景山热电厂2号机上进行了微渗漏缺陷的实地检测。

在中压电力线通信中，针对复杂电器元件的种类、数量不断变化等因素导致线路阻抗不匹配而影响通信质量的问题，提出了一种中压电力线载波通信自适应阻抗匹配方法。首先，建立了中压阻抗匹配系统模型，在该模型的基础上提出了一种π型自适应阻抗匹配电路。然后，根据该电路设计了符合阻抗共轭匹配原理的目标函数，通过PID搜索算法(PID-based search algorithm, PSA)寻找最优元件参数，实现目标函数最优。最后，在此模型基础上仿真分析了PSA算法、粒子群算法(particle swarm optimization, PSO)和遗传算法(genetic algorithm, GA)的优劣性。结果表明，PSA算法在收敛速度和寻优精度方面优于PSO和GA算法，能够有效实现阻抗匹配进而改善载波通信质量，为中压电力线通信进一步研究提供了可行性方案。