变电站绝缘在线监测技术的研究与应用

介绍了HVM2000变电站高压设备状态监测系统的结构、工作原理和主要特点，在对大量在线监测数据进行较深入研究的基础上，分析了一些影响高压设备在线监测的因素，最后指出依靠状态监测技术实现状态维修是可行的。     

G142型浆纱机自动放浆装置的改进

我厂使用的G142型浆纱机,自动放浆阀门经常失灵,造成浆液面不稳定,影响浆纱质量。为此,我们对该装置进行了改进,改进后的自动放浆装置见附图。将1 1/4英寸进浆管弯头接到预热浆箱上盖,盖上开一直径为100毫米的圆孔,进浆管上接球阀阀体,阀体出口对准盖上圆孔,阀体下端呈锥形,内装有φ20毫米的钢球,钢球依靠自重和浆液压力自动下落关闭阀门。当浮筒     

基于随机矩阵理论的配网故障可观的PMU优化配置方法

定义故障在全网最不灵敏节点发生时可检测为随机矩阵理论下的全网可观。相同故障发生在不同节点时对配网影响程度不同,对应的随机矩阵理论指标MSR的跌落程度不同。提出了配网故障时全网可观的PMU优化配置方法。分别在所有节点设置单相和两相接地故障,得到2种情况下全网的电压数据并计算相应的MSR;对2种MSR进行加权,计算出各节点灵敏系数;以灵敏度最低的节点发生故障时全网可观为目标,按灵敏程度逐次减去不灵敏节点的PMU并计算相应的MSR,直到故障不可检测,得到的PMU配置即为最后配置。以IEEE36节点和IEEE39节点模型进行仿真,验证了在该PMU优化配置方案下,可用随机矩阵理论对配网进实时监测,在故障发生时能准确检测到故障并确定故障发生的时刻。     

基于对比歧化和深度置信网络的配电网故障类型识别

针对配电网数据分支多、设备类型多样、现有故障诊断方法精度低的问题,提出基于深度置信网络的配电网故障诊断方法。该方法建立了4种不同层数的深度置信网络,将配电网的实际监测数据分为训练和测试数据导入到深度置信模型,采用对比歧化算法优化初始参数选择和加速模型训练,测试模型对样本的识别精度,建立改进BP神经网络和Petri网对比故障识别精度。结果表明,深度置信网络可以通过实时分析配电网实时监测数据,准确辨识配电网故障类型,提高了配网故障诊断的准确率和速度。     

备自投装置动作引起过负荷的解决方案

分析了备用电源自动投入装置动作后出现过负荷的原因和现有解决方案。从提高电力系统供电可靠性角度比较分析了各种过负荷解决方案的优缺点、适合使用的工况及其使用注意事项,并对其实施方案加以改进,提出了一种适用于智能变电站的备自投动作时智能联切负荷的过负荷解决方案。该方案具有备自投动作可靠性高、避免对系统造成过负荷冲击和负荷量切除精确度高三个方面优点。同时提出了一种用于智能切负荷联切出口矩阵的在线生成方法。     

芦苞变电站高压设备在线监测系统的应用情况

介绍了一套新型变电站高压设备状态监测系统。通过研究大量在线监测数据分析了影响高压设备绝缘参数的因素。最后指出实现状态维修的可行性     

基于随机矩阵理论的配网故障可观的PMU优化配置方法

定义故障在全网最不灵敏节点发生时可检测为随机矩阵理论下的全网可观。相同故障发生在不同节点时对配网影响程度不同,对应的随机矩阵理论指标MSR的跌落程度不同。提出了配网故障时全网可观的PMU优化配置方法。分别在所有节点设置单相和两相接地故障,得到2种情况下全网的电压数据并计算相应的MSR;对2种MSR进行加权,计算出各节点灵敏系数;以灵敏度最低的节点发生故障时全网可观为目标,按灵敏程度逐次减去不灵敏节点的PMU并计算相应的MSR,直到故障不可检测,得到的PMU配置即为最后配置。以IEEE36节点和IEEE39节点模型进行仿真,验证了在该PMU优化配置方案下,可用随机矩阵理论对配网进实时监测,在故障发生时能准确检测到故障并确定故障发生的时刻。     

分片负责职责清晰成效显著

介绍了佛山三水供电局在贯彻“安全第一,预防为主”的工作方针过程中,实施了安全分包责任区的管理办法,从制度的建立到执行与考核,有效地实现了安全管理关口前移,使安全管理工作逐步走向科学化、系统化和规范化,安全工作也取得了很好的成效。     

氰化物紫外光谱在线检测

采用流动注射分析-分光光度法测定氰离子的质量浓度.设计了氰化物紫外光谱在线检测系统.结果表明:在紫外光谱216 nm波长处,光的吸收最大,ρ(CN-)=1 mg/L～70 mg/L时,吸光度满足良好的线性,测量精度可达1 mg/L.     

基于对比歧化和深度置信网络的配电网故障类型识别

针对配电网数据分支多、设备类型多样、现有故障诊断方法精度低的问题,提出基于深度置信网络的配电网故障诊断方法。该方法建立了4种不同层数的深度置信网络,将配电网的实际监测数据分为训练和测试数据导入到深度置信模型,采用对比歧化算法优化初始参数选择和加速模型训练,测试模型对样本的识别精度,建立改进BP神经网络和Petri网对比故障识别精度。结果表明,深度置信网络可以通过实时分析配电网实时监测数据,准确辨识配电网故障类型,提高了配网故障诊断的准确率和速度。