基于改进空间资源匹配法的风电集群功率预测技术

大规模风电集群的功率预测,有利于调度部门制定科学合理的发电计划,提升电网的健壮性。基于空间资源匹配法(spatial resources matching algorithm,SRMA)的风电集群功率预测方法,比广泛采用的统计升尺度法具有更高的精度,而且需要的计算资源较少。但是现有的空间资源匹配法,匹配参数单一,不利于预测精度的进一步提升。文章在详细介绍空间资源匹配法的基础上,提出了一种考虑风电功率测量数据的改进空间资源匹配法,并通过52个风电场组成的风电集群开展了0~12 h的风电功率预测。结果表明,改进的空间资源匹配法前4 h的预测精度比传统的匹配法有较大幅度的提升,具有较强的工业应用推广价值。     

面向智能电网应用的电力大数据关键技术

大数据为智能电网的发展注入新的活力,掌握电力大数据的关键技术对电力行业的可持续发展和坚强智能电网的建立具有重要意义。在分析大数据、云计算、智能电网三者关系的基础上,给出具有通用性的电力大数据平台总体架构,并从电力大数据的集成管理技术、数据分析技术、数据处理技术、数据展现技术4个方面深入探讨符合电力企业发展需求的大数据关键技术的选择。最后通过3个典型案例,分析了电力大数据关键技术在新能源并网、风电机组安全评估、电网灾难预警上的应用。大数据关键技术在电力行业的广泛应用必将带来行业的变革,将智能电网的发展推向新的阶段。     

电力设备状态监测大数据发展综述

论述了大数据在电力设备状态监测上的发展趋势与应用前景。首先分析了状态监测数据的大数据特征,并从大数据技术、大数据思想方法、大数据算法三个层面论述了大数据对电力设备状态监测的提升点。其次给出了基于大数据的电力设备状态监测系统架构,并从数据采集、数据去噪、特征提取、模式识别、知识挖掘、数据可视化几个方面论述了大数据与状态监测各个环节的结合点。最后通过一个综合监测系统案例,分析了大数据在多源异构数据融合、综合分析与诊断、设备故障预测上的应用。大数据在电力设备状态监测上的深入应用,有利于解决设备状态评价和故障预测的难题,推动该领域朝着更加智能化的方向发展。     

雷管无堆量化方法的研究

为了实现雷管无堆量化，主要考虑如何减弱雷管起爆后产生的冲击波、破片和爆生气体对被爆雷管的起爆能力。本文通过殉爆试验，探讨了如何减弱主爆雷管对被爆雷管的作用。文中结果表明，可以通过脚线包缠、脚线包缠和轻质EPS泡沫塑料共同作用、木材隔爆和砂子阻爆来达到目的。然后，用雷管铅板穿孔实验来定性检验殉爆试验中未爆雷管的起爆能力，从而判断各种隔爆介质的隔爆性能，为选用隔爆介质提供有力依据．     

输电线路多源异构数据处理关键技术研究综述

输电线路多源异构数据的处理对提升智能电网时代输电线路运维水平具有重要意义。为了解决输电线路上不同来源数据的结构差异性问题,介绍了多源异构数据的概念及其与传统大数据之间的异同,列举了输电线路上各种多源异构数据的来源和特征。在介绍数据处理一般框架的基础上,从数据集成、数据分析的角度分析了输电线路多源异构数据处理的关键技术,并给出一个应用实例。最后阐述了目前多源异构数据处理的发展方向包括文本挖掘、数据实时性处理和数据可视化。输电线路多源异构数据处理技术可望为线路智能运维能力的发展提供新的技术手段。     

基于随机决策森林的高压电缆局部放电模式识别北大核心CSCD

不同类型的高压电缆局部放电(简称局放)模式识别是该领域的难题。部分电缆局放类型之间相似度较大,识别困难。针对该问题,文中提出了一种基于随机决策森林(RF)的高压电缆局放模式识别方法。首先,制作了5种高压电缆人工缺陷,结合IEC 60270—2015系统和高频电流互感器(HFCT)进行实验,获取局放数据,并进行局放特征提取。其次,介绍了随机森林算法的原理和基于随机森林的高压电缆局放模式识别流程。最后,基于实验所得数据开展了局放模式识别方法有效性验证,确定了随机森林每个节点处特征子集中特征个数、节点分裂规则、树的棵数3个参数,并与传统的决策树、BP神经网络和支持向量机(SVM)3种方法进行比较。结果显示,与上述3种方法相比,随机森林算法对高相似度局放识别能力更强。     

基于卷积神经网络的高压电缆局部放电模式识别

由高压电缆不同类型缺陷诱发的局部放电(PD)的识别难度较大,尤其是某些相似度较高的电缆绝缘缺陷类型难以区分。提出了一种基于卷积神经网络(CNN)的高压电缆PD模式识别方法,研究了不同网络层数、不同激活函数以及不同池化方式对识别效果的影响,并与传统的支持向量机(SVM)和反向传播神经网络(BPNN)算法进行了对比。结果表明,相比SVM和BPNN,CNN的总体识别精度分别提高了3.71%和4.06%,且能较好地识别具有高相似度的电缆缺陷类型。     

基于随机森林的高压电缆局部放电特征寻优

高压电缆局部放电(简称局放)新特征的构建与优化选择是提升识别精度、优化识别效率、增强监测参数可视化效果的重要手段。提出了一种基于随机森林的局放特征优选新方法。在实验室构建了5种类型的电缆人工缺陷,通过加压测试获取局放原始数据,并提取了3500个局放脉冲和3500个典型干扰信号脉冲,构建了1235个局放特征。基于上述样本,开展了基于随机森林的特征寻优,分别获得了局放和干扰信号特征排序结果和不同类型局放信号的特征排序结果,并通过反向传播神经网络(back propagation neural network,BPNN)和支持向量机(support vector machine,SVM)对优选排序结果进行了验证。结果表明,局放和干扰识别的有效特征参数主要是表征信号快慢的特征和小波组合特征;不同类型局放识别的有效特征参数主要是小波组合特征。结果证明,随机森林算法是一种有效的电缆局放特征优选方法,并有望推广到其他电力设备局放的特征寻优。     

二甲醚燃料均质压燃燃烧研究

在一台压缩比为16.5的2135柴油机上实现了纯二甲醚(DME)的均质充量压缩燃烧(HCCI)燃烧方式。试验结果表明,DME的HCCI燃烧模式不但可以实现无烟燃烧,还可以有效控制发动机NOx排放,使其接近于0。在试验负荷范围内,CO排放随负荷增加而降低;HC的排放随负荷变化不大。对DME的HCCI燃烧机理等进行的研究表明,由于纯DME的着火比较早(上止点前28°CA左右),发动机只能在中低负荷较小范围内运行。为了扩展发动机运行工况,控制HCCI着火,通过在DME中添加LPG以降低燃料十六烷值的方法和在进气中加入惰性气体CO2的方法来改进和控制HCCI的燃烧。试验表明以上两种方法都可以有效的控制HCCI燃烧,拓展HCCI发动机运转范围。