排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
工程实际中,如何快速准确监测感应电机转子温度对电气设备状态评估、故障预测和安全生产具有重要意义。但受运行条件限制,转子温度很难直接测得且通过间接评估方法也存在较大难度。针对这一问题,提出一种快速参数辨识的转子温度评估方法,利用转子槽谐波辨识得到转子转速,进而利用可模拟电机堵转运行的起动初始阶段的实测电参数求解得出转子电阻。将上述求解得到的转速与转子电阻,当作实时辨识转子电阻的扩展卡尔曼滤波法(EKF)所需初值,避免了初值求解迭代时间过长的问题,实现了快速在线辨识转子电阻。进而基于金属材料电阻值与温度之间的关系,求出转子实时变化温度数据。以1台22 kW感应电机为例,辨识了负载条件下的转子温度情况,验证了所提出方法的有效性与可行性。 相似文献
2.
随着电能质量监测和管理工作的持续深入,高压电网中广泛运行的电容式电压互感器(capacitor voltage transformer,CVT)所造成的谐波测量误差问题已不可回避。文中首先基于CVT谐波等值模型研究了其谐波测量误差产生的根本原因,并构建了涵盖多电压等级CVT谐波测量误差高压智能试验平台,深入开展多项测量试验内容,以对比分析不同CVT谐波测量误差的差异性。其次,基于试验结果提出适用于变电站现场运行CVT谐波测量误差的多判据融合验证方法。最后,据此设计了某220kV变电站的监测方案,分析结果表明该方法能够有效地判断CVT谐波测量误差。 相似文献
3.
目前电力巡检主要是采用无人机巡检的方式,针对无人机巡检获取的图像识别过程中,电力设备旁的杂草可能会造成安全隐患,需要对图像中的杂草进行识别。针对电力巡检的场景,提出了一种基于可见光巡检图像的杂草智能识别方法,以可见光巡检图像中杂草的特征为基础,结合卷积神经网络方法,解决可见光巡检图像中电力设备附近的杂草识别问题。通过对图像进行样本数据增广和预处理,接着引入区域生成网络,再对图像提取固定个数候选框的图像特征,和改进的图像分类网络连接在一起,得到最终的卷积神经网络模型。实验表明其准确率可以达到97.98%,检测一幅600×600大小图像需要花费的平均时间约为0.256 s,在保证了准确率的同时达到了高效识别的要求。 相似文献
4.
5.
电压暂降是影响现代电网最为突出的电能质量问题之一,在进行大范围高压系统电压暂降监测时,必须考虑到含储能元件的电容式电压互感器(capacitor voltage transformer,CVT)所造成的不利影响。根据CVT结构推导了其测量电压暂降的误差并指出了影响该误差的内外部因素,而后构建了仿真模型,详细研究了暂降初相角、残余电压、CVT参数及负荷对电压暂降持续时间、暂降幅值以及相位跳变等特征量的影响及敏感度,最后提出一种基于虚拟阻抗补偿的CVT电压暂降测量误差校正方法,消除了电压暂降不确定性造成的测量误差多样性问题,仿真结果表明该方法的有效性,为普遍采用CVT的高压系统电压暂降准确测量提供了可行的校正方案。 相似文献
6.
7.
8.
9.
10.
在输电设备上经常会出现各种异物,如鸟巢、塑料袋,如果不能及时发现并清理将会对输电系统造成很大的安全隐患。因此,及时对输电设备是否有异物进行检测非常必要。针对该问题,提出了一种基于边缘计算和深度学习的异物检测方法。该方法与现有利用无人机拍摄传回云端服务器计算方法不同,通过将检测计算下沉到边缘设备,使用Mobilenet加上优化后SSD的目标检测方法在边缘设备直接处理计算,将检测出异物的图像发回云端。该方法在CPU上的运行速度是基于VGG(目视图像生成器)的SSD方法的5倍左右,是Faster-RCNN的58倍左右;在模型大小上是基于VGG的SSD方法的2/9左右,是Faster-RCNN的2/49左右,精确度为89%;与直接将数据传回云端服务器再进行处理的方式相比,数据传输量减少约90%。该方法不仅满足实时性,还具有可靠的效果,基于该方法的系统已经得到实际部署。 相似文献
1