短路冲击下变压器绕组状态在线诊断

在线实时检测变压器绕组状态,对保障变压器正常运行尤为重要.绕组的振动信号能反映出绕组的状态,而这些信号能通过布置在变压器箱体上的加速度传感器测量到.通过对某大型变压器短路冲击实验的在线实时检测,利用振动烈度和基于时频分析的方法对变压器绕组的振动信号进行分析.研究表明,与常规电抗法检测相比较,用时频分析方法能更明确反映出变压器绕组的故障特征.     

变压器振动测点位置选择试验研究

如何选择振动检测测点位置,对于变压器振动检测十分重要。根据振动检测测点有效性选择原则的分析,利用开发的测试设备,在1台220 kV变压器上进行定频变电流试验。通过对变压器振动检测测点位置选择进行的一系列试验数据的分析,最终总结出测点布置选择原则。     

大型变压器绕组状态振动分析法的试验研究

分析了变压器绕组振动分析法的原理,通过对大型变压器的试验研究,给出了振动分析的基本应用方法。     

消防安全保护系统在风力发电机组中的应用

风力发电近年来获得迅猛发展,风力发电机组消防安全问题也日益突出。分析了风力发电机组发生火灾的特性,在查阅国内外相关标准的基础上,总结了国内外有关风力发电机组消防技术的发展情况,指出开发设计更为完备的风力发电机组消防安全保护系统的必要性,提出综合消防保护系统设计方案,并对未来投入运营提出展望。     

电动汽车充电负荷时空分布的空间负荷预测

针对大规模电动汽车接入配电网对空间负荷预测的影响,论文提出一种考虑电动汽车充电负荷时空分布的城市配电网空间负荷预测方法.先根据各类车型充电方式与出行特点对电动汽车进行分类;其次,根据居民出行调研统计数据对电动汽车出行规律进行概率分布函数的拟合;然后,构建电动汽车出行链模型,通过蒙特卡洛方法计算得到不同区域和不同时间内充电负荷.最后,基于某地区实际数据,得到一天内不同功能小区的空间负荷预测值,为未来城市配电网的规划提供参考.     

考虑多种调压措施的分布式光伏消纳能力研究

随着分布式光伏的大量并网,电压越限成为限制其大量接入的重要因素。针对光伏接入引起电压越限的情况,研究了多种调压措施对配电网光伏接纳能力的影响。首先,从电压不越限、潮流不过载等约束条件出发,建立了分布式光伏消纳模型。其次,分析了加入调压措施对分布式光伏消纳能力的影响。最后,采用试探法求解了不加调压措施前和加入调压措施后光伏的最大准入容量。以IEEE33节点配电系统为仿真算例,分析了限制各个节点光伏容量增加的原因。仿真结果表明,考虑调压措施可以有效地提高分布式光伏的消纳能力,避免电压越限的发生。     

基于主成分分析和基因表达式程序设计的变压器故障诊断

提出一种基于主成分分析的基因表达式程序设计算法,并将其应用于变压器故障诊断中。用主成分分析对原数据进行一系列变换,可降低特征向量的维数,并消除向量间的不相关性;从而减小了故障分类器的计算复杂度,提高训练及测试的精度。然后将得到的新样本数据用基因表达式程序设计算法进行训练,构建变压器故障的诊断模型。利用该诊断模型对170组能反映出各种故障而又不冗余的变压器DGA数据进行学习,对另外130个实例进行诊断,取得了很好的效果。实验表明,所采用的算法比单独使用遗传规划或基因表达式程序设计具有更高的诊断精度和稳定性。     

基于多类别Focal Loss损失函数的变电站场景图像语义分割研究北大核心

图像语义分割技术在变电站智能机器人抢险作业以及日常巡检中起重要作用。针对变电站场景中的类别不平衡问题,提出了一种用于训练多类别图像语义分割模型的多类别Focal Loss损失函数。多类别Focal Loss损失函数可以动态调整各类别的权值,对出现频率小的类别更加友好。基于深度学习和变电站场景图像,分别使用多类别Focal Loss损失函数和交叉熵损失函数训练基于FCN、SegNet和DeepLabV3网络的图像语义分割模型进行对比实验,并通过平均交并比和像素准确率等评价指标进行模型评价。实验结果表明基于多类别Focal Loss损失函数的图像语义分割模型具有良好效果,有助于缓解类别不平衡现象。     

基于极限学习机与负荷密度指标法的空间负荷预测

空间负荷预测对有配电网的规划建设具有重要意义,为了提高配电网空间负荷预测的精度,文中提出基于极限学习机(ELM)的配电网空间负荷预测算法,采用粒子群优化(PSO)模型的参数。首先根据用地性质将负荷分类,再通过模糊C均值(FCM)算法对每一类负荷进行聚类分析,建立精细化的负荷密度指标体系。根据待预测地块的特性指标选取训练样本,代入ELM训练,提高预测精度。通过搜索的数据对实例进行仿真试验,通过对比未引入FCM算法的相对误差、未引入PSO算法的相对误差以及采用PSO-ELM算法的相对误差可得,文中提出的PSO-ELM算法具有较高精度,满足实际工程的要求。