一种面向配网设备的在线红外测温系统设计

设计了一种面向配网设备的在线红外测温系统,阐述了该系统的设计思路及工作原理,介绍了系统工作流程;利用该系统对一台标准热源进行温度测量,验证其测量重复性;同时,与目前电力系统现场设备红外测温领域广泛应用的红外测温仪进行对比分析,验证该红外测温系统的测量有效性及优势,为系统后续深化应用提供参考。

基于神经网络数据分析方法的电网高损耗元件识别技术

针对大部分电网损耗研究不全面且损耗类型识别不准确等问题,提出了一种基于神经网络数据分析方法的电网高损耗元件识别技术。该技术在全面分析线路及变压器损耗的基础上,将台区损耗类型划分成六类,并将台区电表数据输入全连接神经网络模型完成学习分析,从而实现高损耗元件的识别。基于某台区的109块电表数据样本进行实验分析,结果表明所提技术对于无异常损耗电表的识别准确率高达98.5%,且整体识别准确率可达93.4%,同时识别时间仅为0.35 s,优于其他对比技术。

感应加热电饭煲涡流场与温度场分析

为了研究感应加热电饭煲的工作情况及相关结构参数对其性能的影响,以一台1 300 W感应加热电饭煲为例,建立了以sus430为主要涡流发热材料的三维电磁场有限元模型,分析了导体中涡流场的分布情况,并分别改变相关结构参数比较涡流功率的变化趋势.利用workbench软件分析研究其温度场,将仿真结果与样机实测温度值对比,验证了仿真方法的正确性.通过有限元法对感应加热电饭煲三维涡流场和三维温度场的研究,为相关感应加热系统的优化设计提供了可靠依据.

感应加热电饭煲电磁场与漏磁分析

为了研究感应加热电饭煲空间电磁场对其热效率的影响,以一台1 300 W感应加热电饭煲为例,利用ANSOFT软件建立样机三维电磁场有限元模型.在其他条件不变的情况下,分别采用两种磁条结构分析比较了样机模型中电磁场与输出涡流功率的分布情况,并且对样机的漏磁情况进行了分析.将实验测得的漏磁、热效率与仿真值进行对比,验证了仿真方法的正确性.有限元法对感应加热电饭煲电磁场与漏磁的分析结果为相关感应加热系统的优化设计、安全使用提供了参考.

转子双正弦结构的无刷双馈电机设计与研究

双正弦无刷双馈电机是将正弦结构引入到无刷双馈电机转子绕组的基础上设计出来的。文章利用Ansoft/Maxwell 2D建立双正弦无刷双馈电机的有限元模型,通过电机外电路添加激励,对电机模型进行有限元仿真;依据仿真结果,并结合电机的磁力线分布、电机转速与频率的对应关系以及气隙磁密等验证了电机设计的可行性与合理性;在此基础上,通过与传统的特殊笼型转子和等匝绕组式转子结构的无刷双馈电机对比分析,表明双正弦无刷双馈电机在增强磁场调制效果和降低气隙谐波方面有较大的优越性,进而为深入研究双正弦无刷双馈电机奠定了基础。

一种新型直线电机的设计与仿真

将传统无刷双馈电机的原理应用于直线电机,提出一种新型电机即直线无刷双馈电机。阐述了该电机的工作原理,利用有限元仿真软件对一台采用特殊笼型动子的直线无刷双馈电机进行建模仿真,得出仿真结果(包括电机的磁力线分布、电机动子移动速度与动子和定子绕组频率之间的对应关系、电机的气隙磁密谐波分析以及电机的的功率与效率分析)与理论分析相一致,从而证明了直线无刷双馈电机的合理性及可行性,为无刷双馈原理在直线电机中的应用提供理论指导。

10kV电缆超低频介质损耗检测技术应用

阐述了10kV电缆超低频介质损耗检测的原理和方法,对一条10kV电缆开展了超低频介质损耗测试,发现介质损耗超标,找出介质损耗超标的原因,对有问题电缆接头进行解体分析,为电缆超低频介质损耗检测的应用提供参考。

考虑多源互补特性的孤岛供电故障恢复方法

针对光伏、风机等间歇性电源作为配电系统供电恢复电源的情况,首先提出电源系统互补联合运行判据,将具有互补特性的电源进行联合运行;然后提出一种结合Floyd算法与Prim算法、考虑电源最短路径的孤岛划分方法;在此基础上,设计了考虑多源孤岛互补特性的故障恢复流程。算例结果表明,所提出的考虑多源孤岛互补特性的供电故障恢复方法,可以有效减小间歇性电源的出力波动对孤岛恢复容量的影响,能够恢复更多负荷,提升恢复效果。

10 kV电缆中间接头故障解体分析

对一起因电缆中间接头制作工艺不规范导致电缆故障引起的停电事件进行了分析,结合故障分析中暴露的安装工艺问题,提出了相应的防范措施,以保障高压电缆安全、稳定运行。

基于信号分离的电缆局放检测分析

针对传统高频电流法检测电缆局放存在的缺陷,提出采用基于信号分离技术的电缆局放检测方法的理论依据,并采用TechImp局部放电仪对一条电缆进行局放检测,以证明基于信号分离技术的电缆局放检测方法的可行性和优越性。

基于DL的LSTM网络配电台区短期负荷预测模型研究

传统基于神经网络的配电台区短期负荷预测研究对象往往是整个系统,缺少针对单个台区的建模预测研究,而且预测准确率不高。提出将基于深度学习(Deep Learning,DL)的长短期记忆神经网络(Long Short-Term Memory,LSTM)引入单配电台区的短期负荷预测中,根据配电台区的负荷特征,考虑工作日、月份和气象因素,以TensorFlow深度学习框架构建单配电台区的短期负荷预测模型,对其进行实验分析。实验结果表明,该预测模型在2层LSTM网络时训练效果最好,平均预测精度达到93.2%,表明该预测模型总体预测效果较好。

物联网通信技术在配网故障定位系统的应用研究

伴随着通信技术的发展,部分运营商已经停用2G服务,使早期基于2G通信的配网故障定位系统终端被迫停用。本文从提高配网故障定位系统终端利用率和全寿命周期内终端的实用价值出发,提出了一种基于物联网通信技术的配网故障定位系统升级改造方案。通过实测验证,该方案可有效解决“一遥”终端的停用问题,保证终端产品的可靠运行,为配网故障定位系统高效、经济运行提供了有益借鉴。

基于全景监测与智能预警的配电网全域大数据应用研究

面对不断扩大的电网规模及愈加复杂的外部环境,影响电网安全稳定运行的因素也在不断增加,为此提出了基于大数据机器学习算法的设备状态监测方法。运用成熟的数据挖掘技术,基于当前大量的数据积累开展数据价值的挖掘分析,构建基于随机森林的设备状态评价模型、基于D-S证据论的故障预警模型等,以云计算为支撑,以“互联、共享、智能”为理念引领全景监测体系,建设风险和隐患智能感知体系,实现低风险系数下配电网安全稳定运行。本文从数据关联融合、数据清洗转换、相关性分析及特征提取、模型构建四个方面着手,挖掘配电数据的潜在价值,预知配电网故障发生,进一步提高配电网精益化、智能化管理水平,促进电网企业提质增效提供指导,为电网安全生产及电网企业优质服务提供高效益的数据化科学决策依据。

基于因果关系分析的短期负荷预测方法研究

随着高比例可再生能源和电力市场的快速发展,电力系统不确定性增大。为提高市场环境下负荷预测精度,提出一种基于因果关系分析的短期负荷预测方法。首先,采用灰色关联度分析法量化气象因素和市场因素与负荷的相关性;然后,采用最优模态分解法对负荷模态分解,利用Granger因果分析法将影响因素与模态子序列进行匹配;最后,对子序列分别采用差分自回归移动平均(ARIMA)模型和双向长短时记忆(Bi-LSTM)神经网络模型进行预测,将预测结果叠加得到短期负荷预测结果。仿真结果表明,所提方法的预测精度可达到92%,验证了方法的准确性和有效性。