智能电网框架下电动汽车智能充电系统设计研究

近年来,电动汽车和插电式电动汽车(Plug-In Electric Vehicles,PEVs)的销量稳步增长,充电桩数量急剧增加,这一现象可能会给电网和当地配电电路和变压器造成负担,而且可能会导致电力公司的成本增加。文中介绍了智能电网系统的设计和实现逻辑,使电动汽车、PEV与电网之间能够实现动态交互。这种智能和动态的交互能够减轻电网负荷,从而最大限度地减少成本,避免负载过大造成的损害。文中以开发算法为重点,提出了完整的系统设计,该系统充电速度快、效率高,可以成功地用于减轻电网的负担。

冰凌针-板间隙直流正极性下起始电晕特性的研究

覆冰是电力系统的严重自然灾害之一。覆冰绝缘子伞裙间隙未桥接时,冰凌尖端的放电是影响绝缘子闪络电压的主要因素之一。选择冰柱-冰板间隙模型,借助于紫外线成像仪等设备,在人工气候室内研究了冰凌-冰板模型的电晕特性,提出了用紫外线成像仪确定冰凌-冰板起晕电压的方法, 分析了影响冰凌起晕电压的因素。结果表明:冰凌-冰板间隙起晕电压与冰凌状态有关,湿冰的起晕电压较低,干冰的起晕电压较高;间隙较长,起晕电压较高;气压较低,起晕电压较低;冰凌起晕电压与覆冰水电导率没有明显关系。

新一代智能变电站特征分析

文章扼要介绍了变电站的发展阶段以及各阶段的主要特点,并在分析智能变电站特点的基础上,结合重庆220 kV大石变电站建设理念,重点分析了新一代智能变电站在新技术、新设备的应用方面实现的突破,以及对应的技术特点。

覆冰棒板间隙直流电晕放电试验及测量

研究结果表明,在带电情况下覆冰绝缘子表面冰棱并未完全桥接,在覆冰绝缘子串两端的伞裙之间存在一定的空气间隙。为了研究这种空气间隙对放电发展的影响,提出了冰棒-冰板空气间隙模型。设计了紫外线成像仪CoroCAM IV+和基于虚拟仪器LabVIEW相结合的电晕测量系统。通过对冰棒-冰板空气间隙电晕放电脉冲的测量,证明该测试系统性能良好,能够满足试验测试要求。同时为下一步深入开展覆冰电极系统内空气间隙电晕放电的机理研究提供了试验平台。

气压对直流正极性下冰柱-冰板间隙电晕放电的影响

为进一步了解低气压下覆冰对绝缘子的危害,该文选择冰柱–冰板间隙模型,借助数据采集卡、紫外线成像仪和自行设计的电流传感器等设备,在人工气候室内研究低气压下冰柱–冰板模型的电晕放电特性。文章分析了气压对冰柱–冰板间隙的起晕电压、平均放电量和冰柱尖端处的放电区域等方面的影响。结果表明:起晕电压随着气压的降低而降低,平均放电量和冰柱尖端处的放电区域均随着气压的降低而减小,同时,在较低气压下,起始放电更容易形成辉光放电,放电测量也更困难。

低气压下直流正极性冰电极电晕特性研究

覆冰将改变绝缘介质的放电过程,导致电力系统绝缘性能下降,为深入研究覆冰绝缘子串中空气间隙的电晕放电特性,基于冰棱–冰板电极系统,通过脉冲电流传感器和紫外线成像仪CoroCAMIV+揭示了气压对起晕电压、放电模式、放电波形及其幅值等的影响。通过数学分析提出表征不同大气压下不同间隙长度时起晕电压的修正公式,分析和讨论气压对放电脉冲及其幅值的影响。理论分析表明,随着气压的降低,覆冰空气间隙起晕电压呈幂函数或指数函数降低,特征指数同间隙长度相关。试验结果与理论分析一致,进一步揭示了覆冰环境下电晕放电的特性。

直流正极性下冰柱–冰板电极中电晕放电量的分析

为进一步了解覆冰绝缘子表面空气间隙的存在对输电线路的危害,在应用模/数转换器、紫外线成像仪、工控机和自行设计的电流传感器的基础上,研究了在不同施加电压、空气间隙长度、覆冰水电导率和冰类型的情况下电晕平均放电量的变化,并揭示了它们对电晕放电特性的影响。结果表明:直流正极性下的放电量分布满足正态分布,其值随着间隙长度的增加而减小;放电量与电极表面材料有着密切关系;覆冰水电导率对放电量的影响与冰的类型(干冰、湿冰)有很大关系。

重庆朝天门智能港口岸电技术应用研究

以重庆朝天门港口为研究对象,介绍了重庆朝天门八码头智能港口岸电系统的架构和主要功能,从安全、经济、环保等方面对岸电技术进行了综合分析,并从投资建设模式和统一支付系统2个角度对岸电技术的扩大应用提出了具体工作建议。

改进的孤岛微电网主从控制策略

采用主-从控制的微电网,其孤岛运行对“主微电源”的容量要求较高。为此,提出了一种改进型主-从控制策略。将“主微电源”的输出考虑为负载需求,即“主微电源”在瞬时补充系统功率缺额后,通过通信网络将“主微电源”的输出信息传递给“从微电源”,“从微电源”按照与各自容量成正比的输出比例分担“主微电源”的输出功率,间接减小“主微电源”的输出功率,从而减小系统对“主微电源”的依赖。仿真结果表明,在高渗透率的微电网中,系统能保持电压频率稳定,“主微电源”的输出被“从微电源”分担,且“从微电源”的功率与其容量成正比。

基于正交小波和长短期记忆神经网络的用电负荷预测方法

用电负荷数据的波动性和周期性会影响电力负荷预测的准确性,针对此问题,文中提出了一种基于正交小波长短期记忆神经网络(orthogonal wavelet transform-long short-term memory,OWT-LSTM)的用电负荷预测方法。该方法对用电负荷序列进行正交小波分解,消除负荷数据的波动性,然后利用LSTM及其变种神经网络对正交小波分解后的各尺度负荷序列进行建模训练,通过各序列预测结果进行预测重构,获得最终的负荷预测结果。通过用户用电负荷数据集验证表明,该方法的预测性能优于其他模型,具有较高的预测精确性和稳定性。

样本非均衡的在运电力主设备品牌运行效益分析

为解决在运各品牌电力主设备数量不均衡情况下,量化评价各品牌电力主设备运行效益的问题,提出了一种全寿命周期视角下样本非均衡的电力主设备品牌运行效益分析模型。首先,收集国网重庆电力公司在运电力主设备品牌数据,根据预处理后的数据建立了单一设备运行效益分析指标体系,然后对品牌设备进行了分类分层,并提出基于欠采样思想的equipment brand ensemble算法,对不同设备品牌进行运行效益评估。最后,将整个全寿命周期视角下的设备品牌运行效益分析模型应用于国网电力公司实际数据进行了验证。量化分析结果拥有完整数据链,量化评分可追溯,具备实用价值。