用于电弧检测的电力专用SoC设计

针对传统的电弧电路故障检测结果不准确的问题,设计用于电弧检测的SoC系统,并且在55nm工艺下进行流片验证。采用包含两种结构的模数转换器的片上电压源,设计了锁相环以及复位电路,精度最高可达8.67 bit。验证结果表明,本设计可提高电弧检测的准确性。     

基于数据驱动和多判据融合的油色谱监测传感器有效性评估方法EI北大核心CSCD

变压器是电力系统的枢纽设备之一,其运行的可靠性直接关系电力系统的安全运行。油色谱在线监测技术通过使用油色谱监测传感器监测变压器油中溶解各气体的含量能够及时发现变压器的早期故障。在现场的实际应用中,大量无效监测传感器的存在使得在线监测数据的质量降低,从而使得在线监测系统无法及时准确地监测变压器的运行状态。提出了一种基于数据驱动和多判据融合的油色谱监测传感器有效性评估方法,针对油色谱传感器采集的在线数据,首先从在线数据中选取用于评估的固定长度的特征数据集,然后将特征数据集中异常值的分布情况、连续相同值的分布情况、变异系数的变化情况以及产气率的变化情况作为判据对特征数据集进行判定,得到对应的判别值。之后,根据对每个判据的侧重情况,赋予判别值权重,获得传感器状态值,将该状态值与预先设置的容忍度进行对比,即可得到传感器的评估结果。使用现场的实例进行验证可知:该方法从多个方面对在线监测传感器的有效性进行评估,可以及时发现故障传感器,为提高在线监测数据的准确性及监测装置的可靠性提供必要的基础支撑。     

智能移动终端在变电试验现场中的应用研究

电网规模不断扩大,变电设备的数量也随之大大增加,需要的试验量也相应加大。但是,由于试验人员的匮乏,导致现有试验人员现场试验任务繁重,试验完成后数据不能及时、准确地录入系统,不能满足现场试验完成后即对设备进行状态评价。为解决这一问题,设计了一种用于现场试验的移动终端,结合现有设备状态评价系统,提出了一种试验数据处理方法,开发了基于移动终端的试验数据处理系统,提高了现场试验的效率。     

在建多层建筑火灾数值模拟分析

以某大学在建学生宿舍为研究对象,分析火灾事故的风险因素,结合燃烧火灾特征,利用FDS对室外保温材料起火、室内木板材料起火、储存在室内的保温材料起火的火灾场景进行模拟,得到火灾特征参数值的变化规律。结果表明:外墙保温板燃烧时,高温会引燃室内堆积的可燃物,发生二次燃烧;木模板燃烧时,烟气迅速充满整栋建筑,短时间内CO体积分数达到危险临界值。对比木模板与保温板火灾模拟结果发现,相同环境下,木模板燃烧的危险性更大。     

农村适老性公共服务设施配置布局研究

随着我国社会的不断发展,老龄化现象日趋严重,特别是农村地区的老龄化程度更加明显。因此,适老性公共服务设施已经成为农村公共服务设施配套中一个重要的组成部分,但是农村公共服务设施在配套布局上缺乏规范性文件的指导,没有明确统一的标准,需要进行深入的研究与探讨。     

激光光束在海水中的空间传输特性分析

由于激光的初始发散角以及海水对光的散射作用,激光在水下传输时光斑大小发生改变,从而影响接收机的接收范围。采用波长为514 nm的蓝绿激光,基于水下无线光通信信道模型,模拟光子在海水中的传输过程,通过统计不同传输距离时的光子数和光子位置,建立了海水信道中的光斑扩展模型,分析了海水水质对高斯光束的光斑空间特性的影响。结果表明:高斯光束在海水信道中传输时,根据光强比值定义光斑大小的位置,1/e光斑半径与传输距离呈线性关系,线性增加系数为光源的发散半角;当接收机灵敏度为确定值时,传输较短距离后光斑逐渐减小;光斑大小由接收机灵敏度决定,随着接收机灵敏度的增加,在相同距离下,接收到的光斑大小基本呈线性增加。     

基于最大相关最小冗余准则的变压器故障诊断特征选择

电力变压器油中溶解气体分析(DGA)技术广泛应用于变压器内典型故障诊断,其中基于DGA数据的人工智能诊断方法在变压器故障诊断领域具有较高的识别率,但该类方法在选择故障特征量时尚无统一的标准。鉴于此,本文尝试引入最大相关最小冗余算法(mRMR),以互信息理论为基础挖掘变压器故障特征量之间以及特征量与故障类型之间的关联关系,通过分析大量的DGA在线监测数据挖掘出最优的变压器故障特征量集,并采用支持向量机(SVM)分类器对比优选特征量集和传统的特征量集合在变压器故障诊断的效率。最后,通过与SVM智能分类、IEC推荐的三比值分类方法的对比测试表明该方案的故障诊断准确率优于传统的故障诊断方案,故障识别效率高于新型的人工智能诊断方案,更适合于现场的工程应用及推广。     

基于油中气体分析的变压器故障诊断ReLU-DBN方法

油中溶解气体分析可为变压器故障诊断提供重要依据。为提高变压器故障诊断精度,研究了基于修正线性单元改进的深度信念网络(rectified linear units deep belief networks,Re LU-DBN)变压器故障诊断方法。通过分析油中溶解气体与故障类型的联系,建立以油色谱特征气体无编码比值为特征参量的Re LU-DBN诊断模型。Re LU-DBN通过多维多层映射提取出故障类型更细致明显的特征区别,通过反向调优达到诊断模型参数最优化。通过识别实验分析了不同特征参量、不同训练集及样本集大小下Re LU-DBN诊断模型效果,研究了放电兼过热复合型故障对诊断模型的影响,并与支持向量机、反向传播神经网络方法做了对比。实验结果表明基于无编码比值的模型诊断效果优于IEC比值、Rogers比值、Dornenburg比值为特征参量的模型,且Re LU-DBN较支持向量机和反向传播神经网络方法相比诊断准确率有较大提高。区分复合型故障的模型诊断效果优于未区分复合型故障的模型。随着样本数据的增多,模型诊断精度得到较大提升。     

一个用于高速信号传输的对PVT变化不敏感的低功耗锁相环

介绍了一个用于高速信号传输的低功耗锁相环. 提出了一种新的开环校准方法. 该校准通过上电时候进行的开环数字校准很大程度上减轻了工艺变化对电路的影响，相比以前的闭环校准方法，该方法可以显著缩短校准时间. 在这个锁相环中采用了双环路的结构来获得对工艺、温度和环境变化不敏感的环路参数：例如衰减因子、相位裕度等. 还设计了一种新的鉴频鉴相器，它内嵌了电平转换的功能，简化了电路. 该PLL的设计通过小心的供电网络划分来降低电源噪声的耦合. 设计的锁相环路在输出为1.6GHz的时候均方根抖动为3.1ps，而仅消耗约为1mA的电流.     

一种重要抽样仿真方法的研究及应用

介绍了蒙特-卡洛仿真原理,分析了改进型的蒙特-卡洛仿真即重要抽样(IS)的原理及其在通信中的应用,特别是在高速光纤通信的偏振模色散(PMD)仿真中的应用价值.实验证明,采用重要抽样的仿真方法可以得到大差分群时延(DGD)值的小概率事件,并且系统配置比用蒙特-卡洛的仿真方法简单得多.