基于立体均压结构的风机雷电冲击优化研究

风电场的风机由于大多在海边,风机接地网存在腐蚀严重、接地参数不稳定、冲击电位分布不均等问题,且传统圆环接地装置在高土壤电阻率的条件下,降阻效果不佳、跨步电压较大.在此基础上,笔者提出了一种基于立体均压结构的风机雷电冲击优化方法,采用面积元法和截面积等效法,推导了立体均压结构的地电位及接地电阻公式,并通过CDEGS软件对两种接地装置进行了地电位和跨步电压的仿真对比分析.结果表明,立体均压结构在降低接地电阻和改善地电位分布方面要优于传统圆环接地装置,这为风电场的接地网设计提供了新的参考.     

基于嵌入式Linuxi和QT／Embedded的电力谐波信号采集

基于ARM2410开发平台和嵌入式Linux操作系统,利用GUI（图形用户界面）软件开发环境Qt／Embedded3．3．5,设计了基于8通道12位串行模数转换器ADS7844的数据采集应用程序。电力系统电能质量检测装置中采用这个程序对电压电流信号采样,并利用快速傅立叶变换（FFT）算法进行频谱分析,运行结果表明,该系统具有稳定可靠、操作简单、易于维护、友好的人机交互界面等特点。     

一种基于OGRE图形引擎的实时分布式渲染系统

虚拟现实的实时交互得到了越来越广泛地应用,实时分布式渲染有效地解决了普通PC机渲染的时间瓶颈问题,提高了系统实时渲染性能和输出分辨率。在对分布式渲染原理研究分析的基础上,依据设计模式的思想,设计了一种基于Sort-First结构的实时分布式渲染框架和同步机制,并在实践中应用OGRE图形引擎实现了该系统。     

基于实时分布渲染的边缘融合处理系统的研究*

提出了一种分布式边缘融合处理方法,该方法利用网络实现同步实时渲染。分析并研究了边缘融合处理过程中的关键技术,为实现边缘融合处理系统奠定了基础。     

基于非线性度变换的NPID在SVC中的应用分析

分析静止无功补偿器(Static Var Compensator,SVC)控制系统的组成和补偿原理,将非线性度变换NPID控制方法引入SVC控制系统.仿真试验表明该方法在SVC应用中可以明显提高系统的响应速度,加速系统稳定.     

分布式实时渲染中帧同步的实现

分布式实时渲染系统有效地解决了单机渲染的时间瓶颈问题。但在该系统中,由于每一帧图像在各个部分的场景复杂度不一样,这样就造成了渲染端节点负载不平衡,这将导致各输出端节点显示的图像不能组成一幅连贯的图像。为了解决该问题,本文提出了在分布式实时渲染系统中,通过控制端节点发送命令通知渲染端节点切换缓冲,然后渲染端节点发送请求要求控制端节点发送数据的方法来实现分布式渲染的帧同步。     

一种适用于谐振接地系统的动态电阻选线方式

为突破谐振接地系统选线瓶颈,提出一种动态电阻选线方式,运用理论分析和ATP-EMTP仿真试验,确定了选线程序启动方式与动态电阻阻值选取办法.其次通过分析电路模型,得到动态切换为电阻接地方式后的阻性注入电流表达式.最后在国网配电智能化应用及关键设备联合实验室进行现场试验,验证了在谐振接地系统发生永久性单相接地故障时,动态电阻选线方式能准确识别故障发生,判断故障性质,通过阻性电流注入准确选出故障线路,过渡电阻识别能力达到3500Ω,为谐振接地系统单相接地选线难题提供了一种有效可行的实际解决办法.     

基于改进Faster RCNN的小尺度入侵目标识别及定位

为实现无人值守变电站视频监控系统对动态小尺寸入侵目标体的识别与定位,提出一种基于改进Faster RCNN的快速神经网络辨识方法。该方法通过构建深度卷积网络计算目标样本的强语义特征,并利用密集连接的传输通道融合位置信息,从而得到适应于小目标检测的基础骨干网络;然后利用锚框挑选出目标可能存在的区域,采用双线性插值法计算定位框的坐标以实现像素级别的精确定位。使用采集的变电站监控图像对模型进行训练,得到适应小尺寸异物的改进Faster RCNN检测模型。通过对比实验结果表明,所提改进方法在进行小尺寸异物检测时能够保持高精度并具有时效性,具备一定的工程实用价值。     

基于改进GRU的电力大数据分析

针对电力大数据存在冲击数据、无效数据等异常值导致真实规律难以挖掘的问题,提出一种基于改进GRU的电力大数据分析模型。该模型首先分析了异常值导致数据规律失真的情况,提出利用自适应阈值的小波滤波进行数据清洗;其次以单数据周期为分段点对数据进行分段,以各数据段同一时刻的记忆求和均值为标准记忆;最后,根据数据段的质量改进GRU记忆能力,即保留质量好的数据段记忆、删除质量差的数据段记忆。为了验证模型的性能,选择光伏发电数据进行实验,结果表明：本模型在数据质量较高时的预测准确率比ARIMA、LSTM和标准GRU分别提高了61%、30%和25%,数据质量较差时的预测准确率分别提高了76%、16%和11%。