基于RSSI指纹的特高频局部放电定位法

现有的基于UHF的局部放电定位技术主要是基于时延来进行定位,为获得精确的时延需要非常高的采样率,由此带来了昂贵的硬件开销,极大地限制了其推广应用。为此提出了基于接收信号强度(RSSI)指纹的局部放电定位方法,该方法具有RSSI技术的低硬件成本及易实现性的特点,又具有指纹定位法对复杂空间环境很好的适应性。在离线阶段建立RSSI指纹图库包括测量方案、数据处理方法等,在线阶段应用综合粒子群算法和BP神经网络的PSO-BP定位算法对局部放电进行精确定位。在现场测试中使用模拟的局部放电信号对该定位方法进行了测试。试验结果表明,其平均定位误差为0.484 m,88%的定位误差1 m,定位方差也较小,从而验证了该定位方法的精确性和稳定性。     

基于压缩感知的特高频局部放电定位法

现有的特高频局部放电定位法主要是基于时延进行定位,这类方法的硬件价格高,实现较为困难。该文提出基于压缩感知技术和接受信号强度(RSSI)指纹图谱的局部放电定位法,具有易实现和较强的环境适应性等特点。实际定位时先构建测试现场的RSSI指纹图;再使用BP神经网络对局部放电源进行初定位,并以此为基础构建缩小的RSSI指纹图;最后通过压缩感知技术进行精确定位。该方法利用神经网络和压缩感知两种算法的优势,兼顾了定位效率和精度的要求。现场测试结果表明,基于压缩感知的局部放电定位法平均定位误差为0.2 m,且93.9%的定位误差≤1 m,验证了所提出的定位方法的精确性,该方法具有较好的实际应用价值。     

镍铁合金中杂质元素铜的去除

 镍铁合金是生产不锈钢的重要原料,其中的杂质元素必须严格控制,杂质元素铜质量分数过高会引起加工热脆性,通过加入脱铜剂FeS对镍铁合金中杂质元素铜的去除进行了系统研究。研究结果表明,脱铜率随着FeS加入量的增加而增大;镍铁合金中碳质量分数在增大至1%的过程中,脱铜率随着碳质量分数增加不断增大;镍铁合金初始铜质量分数越高,脱铜效果越好;在试验温度高于1 500 ℃的高温条件下,温度的升高对脱铜效果有影响但效果不显著。     

封闭条件下温度对气隙放电影响的模拟研究

气隙缺陷往往导致局部放电(PD)现象,局放的发展过程与放电条件密切相关,通过放电的宏观表征来分析判断放电条件,是实现绝缘条件评估的重要途径。以温度对气隙缺陷下局放过程的影响为例,通过建立温度条件对放电过程的参数控制模型,研究了不同温度对其微观发展过程的影响,得到了不同温度条件下的宏观表征。仿真研究表明,在封闭条件下,温度的升高会影响放电过程中的电子密度分布以及电场分布。在303、323和343 K的条件下模拟放电过程,其电流峰值依次为0.479、0.356和0.261 A,随温度升高逐渐下降;此外其电流脉冲持续时间依次为19.261、15.516和13.438 ns,随温度升高逐渐变短。最后,实地测量了不同温度下的放电电流,获得了与仿真模型一致的结果。     

基于改进BPSO算法的PMU优化配置新方法

相量测量单元(phase measurement unit,PMU)优化配置问题的主要目标是找到使电力系统完全可观所需的最小PMU数目及其位置。针对此问题,提出了一种基于二进制粒子群优化算法(binary particle swarm optimization,BPSO)的改进方法,并在IEEE标准测试系统中对此算法与传统的BPSO算法进行了比较。该方法在原始BPSO算法的基础上,使用V形阈值函数代替S形阈值函数更新粒子的位置,在粒子适应度评估函数中考虑到了冗余度指标,并且提出了新的变异规则以增加种群多样性。最后试验结果表明,该方法提高了收敛效率,减少了算法结果陷入局部最优的概率,最大程度保证了测量冗余度,从而验证了其准确性和有效性。     

304奥氏体不锈钢铸锭中非金属夹杂物研究

研究304不锈钢铸锭中非金属夹杂物的类型和数量,通过示踪剂分析不锈钢中夹杂物的来源.结果表明:不锈钢铸锭中显微夹杂物主要是以Al2O3-SiO2-CaO系硅酸盐夹杂为主,粒度＜5μm的显微夹杂物中同时存在大量的镁铝尖晶石夹杂;大型夹杂物主要有两类复合夹杂物Al2O3-SiO2-CaO系夹杂、Al2O3-SiO2系夹杂;...     

基于分区数据协商与异常共识机制的配电网去中心化状态估计

针对配电网规模不断扩大和多种量测装置并存的现状,提出一种更加灵活的配电网去中心化状态估计方法。该方法主要分为两阶段。第一阶段为私密数据协商:底层(物理层)将配电网划分为子区域和联络线区域,对来自不同量测设备或不同用户的本地数据进行处理从而草拟合同。第二阶段为边界合同制定:利用异常共识机制检测异常并判断合同是否生效,同时采用投票机制来验证合同的有效性并防止数据篡改。无异常的合同将形成区块并上链。经过校验的边界估计值将作为新的伪量测数据用来提升子区状态估计的效果。仿真结果表明,所提算法在保证分区隐私条件下,能够提高状态估计精度,有效抑制坏数据影响,并且适用于具有不同采样周期的混合量测配置场景。