风电场并网对电网电能质量的影响分析

新时期发展背景下,风电场的建设规模也在处于不断扩大状态,相应的接入电网容量也在不断上升,必定会对电网的安全稳定运行带来一定影响。本文以风电场发电为主要切入点,结合当前风电场并网的实际情况,针对其可能对电网电能的质量影响进行深入地分析阐述,提出相对完善的应用措施,以便于切实提高风电场的发电水平,为人们提供安全可靠的电力能源。     

计及电力安全事故风险的输电网可靠性评估

《电力安全事故应急处置和调查处理条例》(599号令)的实施对电力系统可靠性的要求更加严格。本文提出一种计及电力安全事故风险的输电网可靠性评估方法,从网架拓扑结构入手,考虑电磁环网对输电网可靠性的影响,将变电站划分为多种供电模式,针对不同供电模式提出相应的预想故障集选择方法。考虑负荷分布对事故风险的影响,提出不同行政区域内减供负荷分配方法。根据电力安全事故评价体系,建立事故等级评估模型,并设计事故风险评估程序算法。最后,仿真计算实际电网的电力安全事故风险,评估结果可有效识别网架的薄弱环节,能为系统规划和运行提供辅助决策支持。     

基于MATLAB的谐波电流检测方法的建模与仿真

以三相电路瞬时无功理论为基础，计算p、q或者ip、iq为出发点即可得出三相电路谐波和无功电流检测的两种方法，分别为p.q运算方式和ip、iq运算方式。MATLAB／SIMULINK提供的SimPower工具箱基本涵盖了电力系统建模和仿真的各个方面。该文利用SimPower工具箱对谐波电流检测两种方案进行了建模和仿真。使用该方法能够将谐波电流检测的工作过程及有关波形准确直观地显示出来，验证了理论分析的正确性。     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

利用小波神经网络的电力变压器故障诊断方法

为提高变压器传统油中溶解气体分析(DGA)的故障诊断能力,提出了一种利用小波神经网络(WNN)的变压器故障诊断方法。WNN隐含层采用离散仿射小波函数,仿照前馈BP神经网络算法构造WNN,引入学习率和动量系数来训练网络。实验结果表明:相同条件下,较之传统比值法与BP神经网络,WNN的故障模式识别准确率更高,对照BP神经网络,所提出的WNN变压器故障诊断方法在稳定性和收敛时间方面表现更优。     

三面受火条件下工字钢截面的温度场分区计算

为了较准确地评估火灾条件下三面受火工字钢截面的温度分布,采用非稳态的热传导计算理论对工字钢上下翼缘与腹板进行分区,分别计算了钢构件截面各部分的温度场,综合考虑表面热阻、背火面的热损失,较精确地分析出截面各部分温度场分布.计算结果表明:钢构件各部分截面温度呈极不均匀分布,受标准火60 min和120 min时,上翼缘比截面平均温度低约57%和64%;下翼缘比截面平均温度高约13%和20%;而腹板比截面平均温度高约88%.钢结构截面各部分温差较大将会引发较大的温度应力,更高的腹板温度可能引发腹板率先破坏,在确定构件保护层厚度时应予充分重视.     

采用Kalman滤波算法预测变压器绕组热点温度

油浸式电力变压器绕组热点温度是影响变压器绝缘寿命的重要参量,为精确预测绕组热点温度,通过分析考虑负载动态变化和顶层油温相对绕组热点温度的动态变化的微分方程,构造基于Kalman滤波的热点温度状态方程和测量方程,建立了热点温度实时最优估计模型;利用实验室搭建的基于光纤光栅传感的温升试验平台测试数据,通过模拟智能电网中变压器热点温度监测数据中的噪声以及因传感器失效所引起的某时间段的数据缺失,验证了Kalman滤波模型的内插能力和滤波能力;根据某电站主变压器现场监测的变压器热点温度的有限实时数据,以及相关误差的统计信息,对所建模型进行外推,实时地预测热点温度,并与IEEE导则推荐模型的预测结果进行了对比。结果表明,基于Kalman滤波的热点温度模型更接近实测值,其在2月份和9月份的平均绝对百分比误差(1.5730%,0.8866%)和均方根误差(0.8180°C,0.8562°C),均优于IEEE导则模型的预测结果,具有较好的内插、平滑以及外推性能,为实时监测变压器绕组热点温度提供了一种新的工具。     

变压器油中甲烷气体的光声光谱检测方法

甲烷(CH4)是变压器油中溶解的一种可用于变压器早期故障诊断的特征气体。光声光谱技术是基于光声效应的一种新型微量气体检测技术，具有灵敏度高，选择性好，动态检测范围大等优点。该文基于光声光谱技术的基本原理，利用分布反馈半导体激光器构建一种便携式、可调谐的光声光谱装置，借助该装置研究光声信号与激光功率、CH4浓度之间的关系，及CH4的2v3带R(3)支的高分辨光声光谱；该装置对CH4的检测灵敏度达到5.05 mL/L。理论与实验结果为CH4的光声光谱在线监测及高灵敏度可调谐光声光谱仪的设计提供了参考。     

基于小波网络及油中溶解气体分析的电力变压器故障诊断方法

小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络，提出了基于自适应算法小波网络的变压器故障诊断方法，该方法继承了人工神经网络的学习能力和小波变换的局部化特征，具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本，对训练过程和仿真结果进行对比分析。大量诊断实例表明，文中提出的2类小波网络均适于变压器故障诊断，其性能优于单独使用传统BP神经网络的方法。     

基于改进小波神经网络算法的电力变压器故障诊断方法

大型电力变压器作为电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定.针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足,本文以变压器油中溶解气体为分析对象,提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法.选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本,对训练过程和仿真结果进行对比分析.实验结果表明:较之比值法,改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优.