基于改进海鸥算法的新能源接入配电网继电保护定值优化方法

随着分布式新能源接入电网容量不断提升,配电网潮流分布更加复杂,而传统的继电保护方法无法满足现有的新能源配电网需求,导致继电保护装置可靠性、灵敏性进一步降低。针对这一问题,提出一种基于改进海鸥算法的新能源接入配电网继电保护定值优化方法。首先,分析新能源接入配电网对继电保护的影响;然后,以分布式新能源接入配电网下的保护灵敏性、速动性、可靠性为约束条件,构建灵敏度最优、整定时间最短的定值优化模型;最后,对海鸥优化算法进行改进,提高了算法的全局搜索能力、收敛速度及收敛精度,并使用改进海鸥算法求解定值优化模型,得出最优的保护定值以提高新能源配电网安全稳定运行水平。经过实验验证,所提方法与常见的粒子群算法、遗传算法整定方法相比,具有更快的收敛速度和更高的寻优效率,能很好地应用于新能源配电网继电保护中。     

电力系统继电保护装置干扰因素及处理对策

随着时代的发展,计算机技术和通信技术在不断的进步,电力系统继电保护原理和技术上都有了很大的变化。保护装置的可靠性研究继电保护及自动化装置,电力系统容量的不断增加,范围也越来越广,日益复杂的电源系统结构,可靠的保护措施就显得尤为重要。文章主要探讨了电力系统继电保护装置干扰因素及处理对策。     

基于分布式光伏发电接入配电网系统后对继电保护的影响研究

<正>大量分布式光伏接入配电网系统后,很大程度上改变了配电网系统电源单一、潮流单向的特性,带来配电网原有的继电保护可靠性降低或失效的问题。通过分析含分布式光伏的配电网系统的拓扑结构及故障机理,提出适用于含高比例分布式光伏的配电网系统的继电保护整定方案。通过配电网系统中分布式光伏和故障发生位置对继电保护的影响进行评估,最后利用仿真测试结果验证了所提出的保护方法能提升继电保护动作的可靠性,确保有选择地快速切除故障。     

臭氧-活性炭法降低印染废水COD的研究

活性炭具有良好的催化性,臭氧具有良好的氧化作用。为了获得一种高效的去除废水COD方法,将臭氧通入添加活性炭的废水试样中。同时,依次通过改变废水样液的酸碱度、臭氧处理的时间和活性炭的含量这三个条件,进行了三组对比试验,得出最适宜、最高效的降低废水中COD的方法。此外还对处理废水进行总磷含量的测定。结果表明,活性炭对于臭氧的催化作用对于降低废水COD有重大影响,而且当反应环境处于碱性、30℃条件时可以在去除COD中发挥最大的效果,但对于去除总磷几乎无效。可以作为一种新型去除COD方法推广使用。     

继电保护与自动控制的可靠性研究

伴随社会的发展和进步，人们的生产生活水平和以往相比有了巨大改变，这也使得人们对于电力的需求与日俱增。近些年，随着人们对于电力系统的持续创新优化，电力系统已经走向自动化以及智能化的道路，为人们提供更加高质的服务。在整个电力系统中，继电保护与自动控制是电力系统的重要构成，其可靠性和电力系统作用的发挥息息相关。基于此，本文针对继电保护与自动控制的可靠性展开研究，以期对相关领域研究提供一些参考和借鉴之处。     

改性活性炭吸附法降低废水COD的研究

文章主要研究了改性活性炭的吸附性能在降低废水COD方面的作用。通过改变水样中的改性活性炭投加量、反应的温度和反应试液的p H,确定了最适宜改性活性炭吸附的条件,吸附后的改性活性炭经过热再生,可以循环使用3次。同时与未改性活性炭相比,改性活性炭具在吸附性能具有较大的优势。     

不同助溶剂对硫酸钠的溶解效果研究

运用超声振荡促使硫酸钠溶解至饱和,考察多种助溶剂对饱和硫酸钠溶液的溶解效果,对一系列实验数据进行了比较分析,得出了最佳的助溶剂为乙酸钠,其最佳的加入量1.2790 g和最佳助溶量87.42%,为如何增加染料溶解度提供实验数据和理论依据。     

Fe_3O_4/TiO_2复合物在光催化降解罗丹明B的应用

以Fe_3O_4/TiO_2为催化材料,分别研究了催化剂在不同催化剂的投加量、不同pH以及不同光照条件下对罗丹明的光催化效果,并用表观速率常数k评价催化剂的光催化活性。研究表明:罗丹明B的光催化反应为一级动力学反应,且在Fe_3O_4/TiO_2复合物投加量在20 g·L~(-1)、pH=6、紫外光照射的条件下降解效率最高。     

基于优化核极限学习机的新能源配电网继电保护故障检测技术

随着分布式新能源接入电网容量的不断增加,配电网潮流分布更加复杂,传统的故障检测方法无法满足现有新能源配电网的需求,进一步降低了继电保护装置的可靠性、灵敏性。针对该问题,本文提出了一种基于优化核极限学习机的新能源配电网继电保护故障检测方法。首先,通过小波包变换特征提取配电网三相电流形成时频能量谱;然后,利用鲸鱼优化算法寻优速度快、收敛精度高的优点,优化核极限学习机参数,构建基于鲸鱼优化核极限学习机的新能源配电网继电保护故障检测模型,以准确获取新能源配电网的故障位置、类型、相序;最后,搭建IEEE33节点的新能源配电网模型并进行仿真验证。结果表明,该方法对不同故障位置、类型、相序均具有较高精度,提升了新能源配电网继电保护的故障检测水平。     

基于多尺度自适应残差卷积神经网络的新能源配电网故障定位技术

随着新型电力系统建设的推进，分布式新能源接入配电网的比例不断提升，使得电网潮流分布更加复杂，对配电网的故障定位要求越来越高，导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配电网故障定位方法。首先，对故障电流使用变分模态分解，得到一系列征模态函数；然后，使用多尺度自适应卷积动态调整卷积核尺寸、残差卷积提升网络学习能力的方式构建多尺度自适应残差卷积神经网络模型，特征学习输入的故障电流本征模态函数；最后，经过Softmax分类器实现故障区段分类，完成故障定位。仿真结果表明，所提方法面对新能源接入的配电网能够实现不同故障的准确定位，并且对高阻接地故障仍然具有较高的准确率。和常见的卷积神经网络、支持向量机相比，配电网故障定位准确率分别提升了5.63%、9.31%,验证了该方法的有效性。