智能无功补偿技术在电力自动化中的应用

为了适应电力市场的发展,电力企业必须加强对智能无功补偿技术的研究,运用现代计算机技术,提高电力系统的自动化程度,减少电网在运行过程中发生的故障和其他问题。基于此,文章对智能无功补偿技术在电力自动化领域的应用进行了深入探讨,分析了电力自动化和智能无功补偿技术的基本概念、常用的无功补偿装备,以及智能无功补偿技术在电力自动化中的应用措施,为降低输电过程中的损失提供了参考。

柔性直流输电技术综述

当前,随着智能电网、分布式电源以及可再生能源等技术的快速发展,电网建设日益困难,为弥补传统高压交直流输电技术的不足,柔性直流输电技术应运而生,提供了新的途径。首先基于电压源换流器的柔性直流输电技术及其发展历史分析了其系统结构、基本工作原理和技术特点;随后介绍了国内外柔性直流输电工程应用领域及现状,并结合未来电网发展特点及需求,分析了柔性直流输电工程应用的趋势,说明了目前其已经应用的工程领域;最后阐述了目前柔性直流输电技术的研究领域,以及未来需要研究的领域。

水泥环传热特性对套管弹塑性损伤的影响规律研究

水泥环周向缺失致使套管承载能力受到影响,且水泥材料传热特性对套管弹塑性损伤有重要影响。运用ABAQUS建立了套管、不同传热属性含缺陷水泥环和地层耦合系统的有限元计算模型。研究了水泥材料传热属性、水泥环周向缺失开度、温度场对套管弹塑性损伤的影响规律。结果表明:热传导率较高的水泥材料下完整井筒套管屈服温度更低,完整井筒与水泥环周向缺失井筒套管屈服温度相差较大,水泥环缺陷导致温度分布不均且热传导率更高的水泥材料产生更为不均的温度场,水泥环周向缺失对套管塑性损伤影响很大,热传导率低的水泥材料使得套管的塑性变形增加率更大。

信息技术在电力调度管理中的应用

对管理信息系统在电力调度生产管理中发挥的作用进行介绍及说明,并重点针对电力调度管理发展的方向,根据世界发展动态作出相应的方式创新调整,智能电网的到来必将又是一次大的管理创新浪潮的来袭。

面向硬切削的加工过程建模与仿真研究

为了研究工件硬度对硬切削过程的影响,将适用于硬切削加工过程的材料本构关系进行改造,以适应ABAQUS接口,并结合二维正交自由切削几何模型和Johnson-Cook材料累积损伤模型建立了切削不同硬度AISI H13的热力耦合有限元模型,在ABAQUS中实现了仿真。仿真表明,在其他条件不变的情况下,随工件硬度的增加,主切削力近似呈线性关系增加,背向力几乎保持不变,刀具和切屑的最高温度不断增加。通过分析切削系统温度分布和刀屑最高温度随硬度的变化规律发现,当AISI H13的硬度为62HRC时,PCBN刀具仍能满足切削要求。

考虑分布式能源的智能配变台区系统设计

针对配变台区的功能智能化程度低问题,设计考虑分布式能源的智能配变台区系统。设计了遥信检测单元,完成了系统的硬件设计,结合分布式能源的负载特性与变化规律,确定变压器的容量。通过计算出配电台区变压器的无功功率补偿度,得到配变台区变压器的容量,引入最优覆盖的基本思想,根据分布式能源的分布特点,分析了变压器的损耗,构建了智能配变台区无功功率补偿模型,结合智能配变台区继电安全保护算法设计,完成了系统的软件设计,实现了智能配变台区系统的设计。测试结果表明,考虑分布式能源的智能配变台区系统在硬件部分和软件部分都可以满足配变台区的功能需求。

五禽戏运动对保健班大学生心肺机能的影响研究

为更好了解五禽戏运动对保健班大学生心肺机能的影响,选取安徽师范大学体育保健班90名学生进行实验,随机分为实验组和对照组,各45人;参与10周五禽戏锻炼的为实验组,对照组予以体育保健理论学习,静坐少动且作息照常.采用心肺功能测试仪对受试者进行心肺功能测试和评价.结果显示:实验组通过10周五禽戏锻炼,心肺机能有明显提升,肺活量、收缩压与RPP指数显著性优于干预前(P<0.01),而对照组10周前后各项指标比对无显著差异;与对照组相比,10周后实验组的肺活量与RPP(P<0.05)、收缩压指数(P<0.01)都有显著性变化.因此,五禽戏锻炼能有效改善保健班大学生的心肺机能,宜在高校体育保健班中广泛开展.

电网事故处理辅助决策系统在承德的应用

本文对电网事故处理辅助决策系统在承德电网的应用进行了研究,对其重要性和必要性提出了探讨。

试析李小龙表达自我的技击思想

上世纪六七十年代,李小龙在对中国传统武术进行深入剖析与深刻反思的基础上,逐渐形成了表达自我的技击思想。文章通过运用文献资料法与逻辑分析法,对表达自我的技击思想进行了深入地梳理与分析。分析发现,李小龙表达自我的技击思想是以活生生的人为基本出发点,以一心一意地表达自我为主线,以从对手、形式乃至自我中解放自我、实现自我为核心内容的武学思想。这一武学思想不仅对当下既不抑善也不隐恶地认识中国传统武术具有重要的理论价值,而且对今后中国传统武术的健康发展也具有一定的启迪与借鉴意义。

基于深度学习模型的新能源电站一体化短期功率预测

为了解决风力发电和光伏发电随机性、波动性、间歇性造成的新能源功率预测建模和精度不高问题,基于深度学习模型变分自动编码器(Variational Auto⁃Encoder,VAE)在时间序列建模和非线性逼近特征提取方面的优异性能,开展新能源电站VAE模型功率短期预测研究,并与循环神经网络(RNN)、长短期记忆(LSTM)深度学习方法和支持向量回归(SVR)机器学习方法的预测结果进行了对比。光伏电站和风电场独立功率预测结果表明,深度学习模型较基线机器学习模型预测性能更好,基于VAE的预测方法能够学习更高级别的特征,其预测性能表现更佳,光伏功率预测模型的RMSE、MAE和R2值分别为1.593、1.098和0.973;风光一体化功率预测结果表明,VAE和RNN模型能够提高功率预测准确性,其一体化功率预测模型的R2值分别为0.96和0.97。