降雨对绝缘子表面污秽的清洗作用

自主搭建人工降雨试验平台,动态模拟不同降雨工况环境;采用自然积污绝缘子,研究降雨对不同材料、伞型、安装方式和带电类型绝缘子表面污秽的清洗作用。试验结果表明:高强度的降雨可以产生更有效的清洗;瓷和玻璃绝缘子的降雨清洗特性相近;开放伞型的绝缘子清洗效果显著优于带下棱伞型的绝缘子;耐张串绝缘子降雨清洗更充分,受伞型影响较小;直流积污的绝缘子雨水冲刷作用弱于交流积污的绝缘子。同时指出,绝缘子表面可溶盐随降雨清洗时间的流失规律符合Box Lucas指数函数模型。相关研究结论可为外绝缘设备污秽状态预测和污秽清扫提供理论指导。     

基于支持向量机的高压断路器机械状态预测算法研究

机械故障是高压断路器运行过程中的主要故障之一,对高压断路器开展机械状态评估与预测,对提高高压开关设备和电网运行可靠性具有重要意义。文中基于支持向量机进行了高压断路器机械状态预测算法的研究。支持向量机是一种统计机器学习算法,以结构风险最小化为训练目标,能够很好地解决过学习、维数灾难、局部最优等传统机器学习算法遇到的问题。在具体的算法实现中,文中利用断路器前几次动作的触头行程和操作线圈电流曲线来预测下一次或者后几次动作数据。利用预测出来的机械动作数据对高压断路器进行故障诊断,可以发现高压断路器潜在的问题,从而达到机械状态预测的目的。此外,文中通过归一化、交叉验证、网格搜索等方法来确定算法参数和提高算法精度。最后,以高压断路器机械寿命试验数据为例测试了该算法,结果表明该算法能够很好地训练并预测机械动作行程曲线和操作线圈电流曲线。     

基于指纹识别技术的双重身份鉴别系统实现

本文依据信息安全等级保护基本要求,利用指纹识别技术,设计了信息化应用的双重身份鉴别系统方案。方案通过建立指纹数据库,采集用户指纹信息并和账户关联,通过认证服务在用户登录时进行指纹认证实现双重身份鉴别。方案具有安全性高、适用面广、使用方便和抗抵赖等特点。     

一种协作机器人位姿重复性优化综合

在给定位姿重复性要求的前提下,寻找各关节随机运动精度的最优分配方案能够使协作机器人设计更加合理,对降低机器人制造成本有重要意义。首先,在机器人位姿重复性分析的基础上,建立了位姿重复性数学模型,该数学模型包含机器人位置重复性和姿态重复性;其次,以协作机器人KUKA iiwa 7为例,以关节运动误差最大化为优化目标,对该机器人位姿重复性进行优化综合,获得各关节随机运动精度的最优分配方案;最后,对KUKA iiwa 7机器人进行位姿重复性实验,结果验证了该方法的正确性,基于该方法的精度设计结果能够使协作机器人设计更加合理。     

芯片化保护测控装置方案研究

为解决当前数字化变电站建设中的二次设备的复杂性、可靠性、安全性、长寿命、低成本等问题,提出了一种芯片化保护测控装置方案,用1个片上系统SOC芯片加以必要的接口、存储外围回路实现了数字化保护测控装置的功能。110 k V试点工程的展开将科研成果转化为实际应用,结果表明,芯片化保护装置整组性能及可靠性显著提升。     

光伏微电网的多主体合作运营模式及效益分配

新电改方案允许拥有分布式电源的用户或微电网系统参与电力交易,有利于微电网经济效益的提高。该研究针对由多方经济主体构成的微电网,包括光伏运营商、储能运营商和用户等,分析了电力市场环境下光伏微电网内各主体的市场交易模式,分析形成联盟的动力,提出各经济主体之间合作博弈的模型。光伏微电网以最大化联盟收益为目标采用分时调度模型,对各主体的运行状态进行实时决策,并采用Shapley值法根据各个主体的贡献度对收益进行了分配。可见,合作模式下光伏运营商、储能运营商和用户均提高了经济效益,各方的效益相互间达到平衡,计算复杂度低,有利于促进光伏微电网规模化发展。     

局部表面电导率测量仪器及测试方法

为推广局部表面电导率法在绝缘子污秽程度评估中的应用,结合试验,介绍并比较了2种测量仪器的工作方法和应用性能。2种仪器均为通用仪器,1种是由调压器、精细电阻构成的简易测量系统,另1种是专用电阻测量仪器。采用这2种仪器对玻璃板上不同污秽的局部表面电导率值进行了测试,结果显示:不同的测量装置及电极型式对相同污秽度表面的局部表面电导率测量值的影响很小;在0.05~0.40 mg/cm2的盐密范围内,2种仪器测量的表面电导率的最大差异1%,而采用矩形电极和圆形电极的测量结果差异3%;电源频率对局部表面电导率有较大影响,频率增大10倍时,局部表面电导率会增加约10%;电源电压对局部表面电导率几乎没有影响,1V与20 V电源电压的局部表面电导率测量值差异约为1%。试验表明,局部表面电导率法在实际应用中简易可行且准确度高,有较好的应用前景。     

机械应力作用下硅橡胶材料的击穿特性研究

预制式硅橡胶高压电缆附件在运行过程中由于过盈配合长期承受较大的机械应力,会对其主绝缘材料硅橡胶的性能产生一定影响。本文首先研究了机械应力对硅橡胶击穿特性的影响,测试了不同拉伸比例下硅橡胶材料的击穿特性,并对比了相同厚度下拉伸与未拉伸状态试样的击穿场强,以及拉伸前后试样击穿场强的变化。然后对拉伸后的试样进行红外光谱、密度、力学性能和TSC测试,分析了不同机械应力作用对材料相关理化性能和电气性能的影响。结果表明:拉伸比例从0增大到125%时,厚度为1 mm和2 mm的硅橡胶绝缘材料的击穿场强分别增大了35.4%和51.0%;排除厚度变化的因素,材料在拉伸情况下的击穿场强仍比原始状态下高;撤掉应力后,其击穿场强反而比未拉伸试样低。     

基于Bi-LSTM算法的非侵入式负荷监测模型

随着深度学习技术的发展,基于深度学习的非侵入式负荷辨识算法成为了研究热点。本文首次将双向长短期记忆网络(bilateral long-term and short-term memory network,Bi-LSTM)用于负荷辨识,提出了基于Bi-LSTM的非侵入式负荷辨识算法,通过定位负荷事件发生时刻,将负荷运行状态始末的稳态信息(有功功率、无功功率和15次奇偶电流谐波)进行组合作为训练后Bi-LSTM的输入,并使用精确度、召回率、准确率和F1值作为评价指标,实验结果显示该方法能够对小功率和多状态电器进行辨识,相较于长短期记忆网络(long-term and short-term memory network,LSTM)和循环神经网络(recurrent neural netw ork,RNN),Bi-LSTM体现出更强的辨识能力。此外,针对一个时间段存在多个电器运行的情况,提出基于负荷运行状态起止特征匹配的方法,并通过实验证明了该算法的可行性。     

人工智能在配电网高阻接地故障检测中的应用及展望

配电网发生高阻接地故障时,接地电阻较大并伴随着电弧熄灭与重燃,导致故障电流很小且随机性强,传统过电流保护装置无法辨识和动作。人工智能技术提高了高阻接地故障检测的灵敏性和准确率。本文首先介绍了高阻接地故障检测数据库的构建方法;然后从信号采集、特征提取以及分类器选取对人工智能在高阻接地故障识别的应用进行了分析和探讨;最后总结了人工智能应用于高阻接地故障检测需要解决的关键问题,为后续相关研究提供了解决思路。