组合电器HGIS在云南500kV变电所的应用

介绍了具有新技术、新设计、可靠性高、维护量少的组合电器HGIS的结构、技术性能及在云南电网的应用情况。

小麦6B染色体微切割及其不同片段的DNA文库构建

用Nd：YAG激光微束将处于有丝分裂中期的小麦(Triticum aestivum L．)6B染色体微切割为四段，并用微细玻璃针将每个片段分别回收。将分离的染色体片段DNA和Sau3A接头介导的多聚酶链式反应(LA-PCR)分别扩增。Southern杂交证明4个特定区域的DNA确实来自于小麦基因组。用一系列(42对引物)位于6B染色体和其他染色体上的微卫星序列对微切割的染色体片段的PCR产物进行了验证。结果表明，获得的染色体片段的PCR产物来自于小麦6B染色体。将6B染色体4个片段的第二轮PCR产物克隆到pGEMT-vector中，建立了4个染色体特定区域的基因组文库，命名为R1、R2、R3和R4，分别包含2．1×10^5、2．74×10^5、2．45×10^5和2．93×10^5个重组子克隆。每个文库均随机挑选150个克隆进行质粒的小量制备和酶切验证。结果显示：插入片段大小在300～l800bp之间，平均大小为820-870bp，其中43％-48％的克隆为低／单拷贝序列，42％-47％为中／高拷贝序列。本研究为详细分析植物单染色体的不同片段的分子遗传学研究提供了基础。

直流输电接地极址的选择

介绍了直流输电系统建设,及直流输电系统接地极址的选择。

抗盐胡杨Na^+/H^+逆向转运蛋白基因PeNhaD1的功能

将胡杨Na+/H+逆向转运蛋白基因PeNhaD1,分别转入对盐敏感的缺失质膜和缺失液泡膜Na+/H+逆向转运蛋白基因的酵母突变菌株ANT3和GX1中。结果表明,在pH6.0、Na+浓度为80mmol/L(固体培养基)或400mmol/L(液体培养基)的条件下,转化具有目的基因的酵母ANT3具有更高的耐盐性,而将目的基因转化到突变株GX1时,却不能提高其耐盐性。实验结果说明PeNhaD1可能是通过编码质膜Na+/H+逆向转运蛋白而提高酵母的耐盐性的,推测其在胡杨耐盐机制中的作用可能是提高拒盐性。

电动汽车接入配电网不平衡负荷数据渐进学习方法

为了降低电动汽车接入配电网不平衡负荷数据处理过程中错误数据影响,以最短的时间达到平衡状态,提出了电动汽车接入配电网不平衡负荷数据渐进学习方法。计算电动汽车接入配电网的总充电功率,分析电动汽车接入配电网不平衡负荷变化规律。通过添加合成样例,平衡少数训练信息,合成不平衡负荷数。采用渐进学习的方式学习不平衡负荷数据,并利用非对称更新策略,获取错误预测有标签数据。通过更新线性分类器方差,获取去除错分合成的不平衡负荷数据,经过渐进学习后逐渐实现负荷平衡。由实验结果可知,该方法应用后的负荷变化情况与实际情况一致,且最短耗时为0.2ms,具有良好的学习效果。

浅谈直流输变电工程施工

对直流输电工程存在的优缺点及直流输电工程的施工的要点进行阐述,为下一步云南电网的直流输电工程施工提前进行一些技术储备和探讨。

电网规划中全生命周期投入产出效益评判方法

全生命周期投入产出效益评判方法存在指标体系构建不完整问题,各指标的权重计算不准确,导致无法得到有效评判电网规划的方案,为此,提出电网规划中全生命周期投入产出效益评判方法。以全生命周期理论为基础,从经济效益、环境效益、技术效益三方面构建电网规划中全生命周期投入产出效益评判指标体系,采用专家打分法确定各项评判指标的权重,并依据各自权重加权求和计算综合评判指标。根据评判结果选择最优方案实现投入产出效益评判。实例分析结果表明:该方法可有效计算出不同场景、不同规划方案的投入产出效益,并依据该结果分别评判出各场景的最优方案,获取不同场景电网规划投资最佳安排结果,节省电网的投资成本,实现电网投资的合理配置。

STP超薄绝热板的研究与应用

STP超薄绝热板是一种新型的高效墙体保温材料,导热系数≤0.008W/(m·K),是传统保温材料的3～5倍,厚度为传统保温材料的1/3～1/5时,可达到相同的节能效果,且STP超薄绝热板的防火等级为A级,可有效杜绝外墙外保温在施工和使用过程中的火灾隐患。本文介绍STP超薄绝热板的结构、保温原理、性能指标及应用。

基于全电压等级负荷转供能力的城市配电网网架规划

城市配电网网架规划对供电可靠性的提高至关重要,是故障隔离和负荷转供恢复送电的基础。为提高配电网网架整体的可靠性,文章提出了基于全电压等级负荷转供能力的城市配电网网架规划方法。该方法运用"网格化"规划理念,以负荷转供计算为基础,开展高、中压配电网整体负荷转供能力评估,得出最优的网架组建方式,为城市配电网的规划建设起到借鉴作用。

应对风速不确定性的聚类预测方法

为提高风速预测精度,提出了一种基于风速相似日聚类的小波包-神经网络风速预测方法.通过进行风速相似日聚类,把全年分为风速规律性更强的若干类时间段,然后对同类时间段内的风电数据进行小波包分解,得到频率不同、但规律性更强的风速子序列,最后基于径向基神经网络对各子序列建模并预测,通过叠加得到预测风速.基于风速相似日聚类和小波包分解均增强了风速子序列的规律性,从而提高风速预测的精度,算例仿真结果证明了所提方法的有效性.