广义回归神经网络在变压器绕组热点温度预测中的应用

电力变压器的绕组热点温度是影响其绝缘性能的主要因素之一,因此有必要进行电力变压器绕组热点温度预测以提高电力变压器的运行可靠性。变压器内部温度受诸多因素的影响,且计算涉及到传热学、流体力学和电磁学等边缘学科,以致其计算复杂,不宜使用。广义回归神经网络(GRNN)具有较强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性等特点,将其应用于变压器绕组热点温度的预测,克服了基于误差反向传播算法的人工神经网络(BPNN)预测时训练过程中存在局部最小点、收敛速度慢等缺点。将预测结果与实测值进行对比,结果表明GRNN神经网络的预测结果与实测值具有较好的一致性。     

氧化锌基乙醇气体传感器研制及特性研究

利用水热法合成了不同形貌的ZnO基纳米结构气敏材料,利用X射线衍射仪(XRD)和扫描电子显微镜 (SEM)对其进行了结构表征和分析。制备成旁热式气体传感器,测试了其对乙醇(C2H5OH)的气敏特性。实验结果表明：基于ZnO纳米花制作出的传感器比纳米球状传感器对C2H5OH具有更高的灵敏度,在200oC下对50ppm的C2H5OH灵敏度为34.7,是球状ZnO基传感器的1.7倍;两种ZnO基传感器对C2H5OH均表现出较好的重复性,在最佳工作温度下对C2H5OH的响应恢复时间均在15秒以内;最后对ZnO基C2H5OH气体传感器的气敏机理进行了讨论。     

10kV电缆插拔终端拆卸问题分析及对策

传统插拔式电缆终端拆卸作业耗时费力,影响配电设备供电可靠性.在分析10 k V电缆插拔终端拆卸作业存在的问题基础上,提出以半圆对压套环将电缆终端对压抱紧,以检修间隔两侧的外壳为支点,利用轴承和顶杆为传动,设计了一种10 kV电缆插拔终端快速拆卸工具.实践证明,该工具可实现10 kV电缆插拔终端平稳、快速、高效拆卸,能够避免人力资源浪费,大幅度提高现场工作效率,及时保障供电可靠性.     

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。