紧水滩电厂电气设备状态监测及信息化管理研究

针对紧水滩电厂内电气设备状态检修现状,提出一种电气设备状态监测和信息化管理系统。利用传感器技术和计算机技术,结合智能芯片技术,对紧水滩电厂内电气设备运行状态进行实时在线监测,实现整个电厂系统的信息化管理。给出电气设备状态监测系统实现方案,并对信息管理系统功能实现进行设计。该系统集状态监测和信息管理于一体,保证了电厂电气设备的安全稳定运行,具有很好的实际应用价值。

紧水滩水库溃坝洪水计算及影响分析

紧水滩水库是瓯江上游大溪上游的一座龙头水库,水库建成后发挥了重要的防洪错峰作用。论文根据"最不利、最可能"原则,提供水库大坝溃坝时的洪水方案,并进行洪水流量及到达时间演算,为下游防洪减灾及水库应急预案编制提供决策依据。

紧水滩大坝导流洞堵头渗漏处理

紧水滩大坝导流洞堵头施工结束后,未将阀井回填封堵。运行多年后,阀井内埋设的排水管出现渗漏,渗漏量达200L/s。为此,文章通过采用钻孔查找排水管、下设膜袋堵漏、混凝土盖重封堵阀井及灌浆等方法,逐步查清了排水管的渗漏状况,在排水管两头未封堵,上游侧承受水库全水头压力的情况下,将阀井渗漏水完全封堵。该工程的处理思路和探索实践可供同类工程参考借鉴。

基于LSTM与Transformer的大坝变形预测研究

变形是大坝运行过程中受内外荷载作用下其状态的直观表现,构建高精度的变形预测模型对大坝安全预警与运行状态评估有着重要的意义。针对已有的大坝位移模型训练时间长,预测模型预测精度和泛化能力一般,无法满足大坝位移中短期准确预测的问题,耦合长短时记忆网络(LSTM)与Transformer框架,引入改进的粒子群优化算法(IPSO)进行优化,建立了IPSO-LSTM-Transformer(ILT)大坝变形预测模型。以紧水滩拱坝正垂线11-1测点为例,选取6150组变形时间序列数据进行分析与预测。研究结果表明,模型预测精度会随着预测期的增大而出现一定程度的下降,但在预测步长10以内均具有良好的预测能力;与传统粒子群优化算法相比,ILT模型显著提升了模型的寻优精度和收敛速度;与RNN、LSTM、IPSO-Transformer神经网络模型单步与多步预测结果对比,ILT模型具有更高的精度和更好的稳定性,即使在训练数据较少时也能保证较好的预测效果。研究成果为实现运行期大坝位移的中短期精确预测提供了新的技术手段。

水轮发电机导轴承间隙和预负荷对性能的影响

本文介绍了大型水轮发电机导轴承结构特点,对导轴承的参数选取以及间隙和预负荷对轴承性能的影响进行了分析。导轴承支承位置在0.55~0.57范围内,其最小油膜厚度达到极大值。立式水轮发电机组导轴承的相对(几何)间隙比一般为2‰~6‰,具有较大的承载能力和较低的瓦温。根据运行间隙设计值和滑转子热膨胀量确定导轴承安装间隙。立式水轮发电机组导轴承的运行间隙的设计值较小,以控制转子摆度,而预负荷较大,可以达到0.80~0.99,这样可以增大最小油膜厚度,提高承载能力。

GPRS水情遥测中心接收装置的设计研发

提出一种GPRS水情遥测中心一体化标准化接收装置,采用模块化设计,实现了设备的标准化和集成化,具有外观标准简洁、模块布置规范合理、安装方便等优点,其双电源模块和电源切换模块的设计以及运行状态在线监测和实时状态显示功能的应用,解决了传统技术中接收装置各模块连接不规范、单一电源设计容易造成启动故障以及无法网络监测设备运行状态的问题,提高了装置的安全性和稳定性。

浅析水电厂固定资产管理业财融合

水电厂是典型的技术密集型和装备密集型企业,其固定资产管理有资产庞大密集、地处山区等特点。固定资产的种类主要包括发电设备、通讯线路及设备、自动化控制及仪表仪器、水工机械设备等几类。近年来随着技术的进步,自动化水平提升,资产更迭速度加快。与此同时,国家发改委多次要求电网企业按照业务活动、有效资产、电压的能级和用户类别进行多维度核算管理,电网本身也进行多维精益管理体系变革.

水电厂机械设备阀门防误操作的实现

在电厂检修维保期间,工作中的协调不当或管理疏忽,会导致误向检修区域、检修设备输送能量的情况,对检修人员或检修设备的安全造成威胁。针对上述问题,研发了一种水电厂机械设备阀门防误操作装置,通过采取有效的技术手段来保障人身和设备安全。

水轮发电机组自开机及过速事故分析及处理

对PSWT型比例伺服数字微机调速器进行了简要介绍,针对该调速器的异常自开机及过速事故进行分析并提出处理方法。

石塘水电站水轮机增容改造中的转轮水力设计

石塘水电站装机有3台轴流转桨式水轮机机组,此次水轮机改造在不改变转轮直径、额定水头、额定转速的前提下将2号机组水轮机额定出力从26.8MW增加到29.5MW。文章从转轮通道优化、效率性能优化、空化性能优化、叶片强度优化等方面进行水力优化设计,采用多种现代化水力设计及计算模拟手段,增大转轮过流能力,优化叶片表面压力分布,优化叶片局部流场流态,提高转轮空化性能。优化后的转轮各方面性能都满足改造要求,并且通过模型水轮机验收试验。

智能化技术提升水电厂运维工作安全管控水平

总体思路视安全与生产为一个整体,变纵向深入为横向综合,纵向是线,横线是面。变应急管理为事前预防,推行事前安全风险防范和设备隐患排查,实现从源头控制安全风险,防范于未然,真正做到安全第一,预防为主、综合治理,应急是万不得以的一种手段。变事故分析为过程管控,推行系统逻辑的安全分析方法,从安全生产作业过程设计安全作业管控方案,保证作业过程安全,事故分析是作业过程中工作过失的总结。

电力企业后勤精细化管理助推一线高效工作的重要价值探讨

后勤管理对企业的发展来说有着至关重要的意义,特别是对于电力企业来说,只有确保后勤管理的质量,才能为企业各项生产活动的正常有序开展提供保障。本文笔者就针对电力企业后勤精细化管理助推一线高效工作的重要价值进行了分析和探讨。

电力招标采购中的保密管理工作探讨

保密工作是招标采购管理的重点之一,但在招标投标实践活动中较为普遍的存在着应公开而未公开或有选择地公开,及应保密而未能保密的问题,未能很好地处理好公开与保密关系,不符合招投标活动的基本原则。本文就招标投标保密事项的识别、保密举措等方面开展研究探讨。

水电厂物资仓储设备班组安全管理探讨

以本质安全理念指导水电厂物资仓储装卸、搬运设备设施和仓储作业的仓储班组安全管理，确保人员、设备和物资安全，保证水电厂物资正常周转和供应工作的顺利进行，为电网安全提供优质可靠的物资保障。

三维激光点云支持下的变电站立柱倾斜变形监测

水利工程中常用立柱支撑上部结构,为保证上部结构稳定,需监测立柱变形,确保立柱倾斜角度在允许范围内。通过全站扫描仪的波形数字化测距技术进行非接触式测量,采集高精度点云数据,采集过程中通过后方交会法计算各观测站的三维坐标,将观测数据统一到一个坐标系统中,无需数据配准,避免了观测误差的传递。提出利用点云的立柱倾斜形变算法,采集两期点云数据后基于真配对点计算形变量,并通过点面优化算法减少误差,计算得到立柱的倾斜角度。为验证形变算法的精度,设计了仿真试验模拟立柱倾斜变形。试验结果发现,实际倾斜角为0°16′49″,计算倾斜角为0°16′57″,算法误差小于20″,满足高耸结构的变形监测要求。所提形变算法可应用于立柱倾斜变形监测领域。

基于MOPSO算法的水电机组开机过程多目标优化

为提高水电机组开机过程的动态品质,提出了一种基于非线性模型的水电机组开机规律多目标优化方法。为了准确描述系统的水力和机械动态特性,建立了调节系统非线性模型。选择优化的目标综合考虑转速上升的快速平稳性和对水压波动和机械振动的抑制,选取转速相对误差绝对值积分、蜗壳水压相对误差绝对值积分和最大轴向水推力相对值作为3个目标函数。利用多目标粒子群优化(MOPSO)算法对导叶开启规律进行优化,得到帕累托最优解集,并以加权方式选择4个解进行仿真试验。结果表明,开机规律多目标优化方法能在确保转速平稳上升的同时有效平抑水压波动和机械振动,达到良好的控制品质,优化结果可为水电机组的安全稳定运行提供决策支持。

一种高可靠多信号冗余转速继电器应用研究

市场现有转速继电器转速信号源采集单一,抗干扰差,容易因测量信号失真、测量通道故障导致转速节点输出错乱。为提高其精确度和可靠性,引入双残压信号输入和双探头齿顺序测速法的多信号冗余采集方式,通过三选一逻辑判断方式选出主用信号源;并在转速节点信号输出过程中使用限幅平均滤波法和检索干扰输出闭锁方式,消除信号输出过程中的失真。通过仿真试验台测试和在水电站发电机组上的应用验证,该方法在信号采集回路抗干扰能力、信号测量精度及转速节点输出动作可靠性等方面均有显著提升。

Transformer在水电机组异常指标预测的应用

水电站机组日常检修、维护及异常检测的工作量巨大,传统人工监测的工作方式容易导致异常问题被遗漏或误判,采用深度学习算法对数据建模并监测异常情况可以降低成本,提升安全可靠性。结合Transformer网络对长期序列高效准确建模的能力以及GAN(生成对抗网络)架构的数据生成训练策略,利用TransGAN模型对水电机组监测数据进行生成式建模,并主动发现异常数据点。TransGAN模型在水电站机组实测中达到了97.76%的查准率和99.23%的查全率,异常点检出延迟低于0.1 s,实现了实时高精度异常监控功能。

基于流形学习的多模态水轮机温度时间序列异常监测

基于“association discrepency”的anomaly transformer算法,基于贝叶斯网络来建模概率密度的GANF算法,以及基于normalizing flow深度生成网络的MTGFlow算法,这些算法都使得多维时间序列异常监测更加高效且精确。但这些算法有一些问题:第一,只能在“纯净”的数据集上训练;第二,假设正常的数据都是“单模态”的。论文证明这些算法在多模态时间序列数据集上的不适用,并且提出了一种适用于多模态时间序列异常监测的新范式——基于流形学习的多模态异常监测模型,并采用鲁棒规则不再依赖纯净的数据集。

基于HJ-1 CCD的县域农作物种植结构提取和时空分析

作物分类和时空变化监测信息可以为农业管理提供依据,多年作物种植结构图反映了作物种植方式的变化,对经济和社会分析起着重要作用。然而,用于绘制作物分布图的卫星影像不能同时具有高时间高空间分辨率,在提取作物种类复杂多样地区的种植结构图时,往往难以提供足够的作物生长周期内影像。该研究提出了一种既经济又高效的解决方案,即利用重复周期短的环境一号CCD(HuanJing-1 Charge-Coupled Device,HJ-1 CCD)图像和免费Landsat-8图像来提取中国监利县的作物种植区时空变化图。根据NDVI时间序列曲线定义了不同作物生育期物候指标例如归一化植被指数(Normalized Difference Vegetation Index,NDVI)的最大值、日期和天数等,用于作物分类。为了获取物候指标的阈值,首先从15mLandsat-8影像中提取典型种植区,然后利用典型种植区作物生长阶段NDVI时间序列曲线,得到物候指标中的NDVI阈值和时间阈值,再根据这些阈值制定了分类规则,并获得了2009—2016年作物分布图。根据多年主要作物分布图,分析不同作物的土地利用变化。最后利用高空间分辨率卫星图像和监利县统计年鉴中的作物面积数据对作物分类结果进行精度评估。与高空间分辨率图像相比,平均分类精度为84%,与统计作物面积数据相比,分类精度达到81.60%。结果表明,该研究为在像监利县这样复杂地区进行常规的作物分布制图提供了一种可行的分类方法。通过对夏收作物的时空动态变化分析可以发现,油菜农业机械化水平低、劳动力成本高,导致愿意种植油菜的农民较少。对于秋收作物,政府设定了中稻最低收购价标准,大大降低了农民种植中稻的风险,对农民种植秋收作物具有指导作用。