心式铁心柱电力变压器油道位置设计计算

利用电力变压器铁心柱制造特点,针对铁心柱内插入油道的要求将其转化为半径为R的圆内插入一族平行线,这族平行线分圆面积为相等的带状区域这一问题,然后用MATLAB中的SOLVE（）函数求解,从而得到了油道位置的准确数据,为变压器的设计制造提供了科学依据。     

500kV增城站增容工程变压器选型论证

介绍了500kV增城变电站在超规模扩容设计过程中变压器选型工程,对不同型式的变压器进行了技术经济比较,介绍了ASA型变压器的现场组装情况。     

动态小波在变压器励磁涌流识别中的应用研究

电力变压器的励磁涌流识别一直是变压器保护的一个重要问题。动态小波是小波函数和傅里叶函数的组合,固此与常规小波变换相比。检测故障突变信号的能力更强。文中将动态小波运用于励磁涌流识别中,通过仿真实验证明了该方法提高了勋磁涌流鉴别的可靠性。     

洛阳石化BOPP薄膜电晕系统探讨

本文从电气控制、影响电晕强度及常见故障处理三个方面介绍了电晕在洛阳石化BOPP薄膜生产线上的应用。     

高性能PCB空心线圈电流互感器用于矿区电力系统的研究

高性能PCB空心线圈电流互感器为大截面结构,而理想空心线圈电流互感器要求为小截面结构。文章通过详细的理论分析和推导,解除了对截面大小的这一限制,得出大截面、高精度的PCB空心线圈电流互感器具有和理想空心线圈电流互感器相同测量原理的结论,为PCB空心线圈电流互感器的优化设计和在矿区电力系统中的应用提供了理论基础。实验研究结果表明,高性能PCB空心线圈电流互感器具有良好的测量精度、参数一致性、优异的工频暂态性能和抗电磁干扰能力,适应矿区的电力环境和电力系统进一步数字化的发展潮流。     

电力变压器热保护系统硬件的研究

变压器是整个电力系统中最重要的设备之一,其运行的安全性和可靠性直接影响整个电力系统的运行链完整性。电力变压器的内部故障主要是过热性故障,因此研究变原器的过热故障具有很大实用价值,本文提出了电力变压器热保护系统,从终端采集电路、电源电路、数据采集电路、通讯电路、显示电路和键盘输入电路和控制电路详细介绍了本系统的构成和原理。     

基于声纹特征和集成学习的变压器缺陷诊断方法

变压器运行过程中产生的振动噪声与其运行状态及内部缺陷情况直接相关,对其声纹信号开展特征分析,有助于进一步了解设备运行工况,保障电力系统安全稳定运行。文中以声纹特征分析为基础,兼顾诊断效率与准确性,提出一种基于卷积神经网络及集成学习模型的变压器缺陷诊断方法。该方法以变压器声纹数据的时域及频域信号为多通道输入混合特征,构建了基于卷积神经网络模型和声纹特征分析法的集成学习模型,可实现变压器声纹特征的有效识别,并通过由多个基学习器组成的集成学习模型提高了变压器缺陷诊断的准确性。基于文中所构建的变压器声纹样本库,可得到该方法对变压器单一缺陷的识别准确率为99.2%,对变压器混合缺陷的识别准确率为99.7%。研究结果表明该方法可有效识别变压器的运行状态,为变压器运维检修提供技术参考。     

变压器绕组松动故障的混沌特征分析方法

为了更加有效地对变压器绕组松动故障进行监测与识别,提出了一种变压器绕组松动故障的混沌特征分析方法。首先,针对振动信号的混沌动力学特性,采用互信息量法和G-P算法分别确定延迟时间和嵌入维数,对变压器振动信号进行相空间重构;其次,通过判断最大Lyapunov指数是否为正,进而证明变压器振动信号的混沌特性,在此基础上分析不同程度的绕组松动故障对相空间轨迹变化的影响;最后,将关联维数、Kolmogorov熵和最大Lyapunov指数作为一组混沌特征用以量化变压器绕组发生松动故障前后振动信号的混沌特性。结果表明：变压器振动信号的最大Lyapunov指数均大于0,证实了其具有混沌特性,所得到的混沌特征能够有效反映变压器绕组松动故障。研究结果为变压器绕组松动状态监测提供了一种理论依据。     

Transformer-based global–local feature learning model for occluded person re-identification

Most recent occluded person re-identification (re-ID) methods usually learn global features directly from pedestrian images, or use additional pose estimation and semantic analysis model to learn local features, while ignoring the relationship between global and local features, thus incorrectly retrieving different pedestrians with similar attributes as the same pedestrian. Moreover, learning local features using auxiliary models brings additional computational cost. In this work, we propose a Transformer-based dual-branch feature learning model for occluded person re-ID. Firstly, we propose a global–local feature interaction module to learn the relationship between global and local features, thus enhancing the richness of information in pedestrian features. Secondly, we randomly erase local areas in the input image to simulate the real occlusion situation, thereby improving the model’s adaptability to the occlusion scene. Finally, a spilt group module is introduced to explore the local distinguishing features of pedestrian. Numerous experiments validate the effectiveness of our proposed method.     

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。