全文获取类型
收费全文 | 197篇 |
免费 | 55篇 |
国内免费 | 5篇 |
专业分类
电工技术 | 222篇 |
综合类 | 4篇 |
化学工业 | 1篇 |
机械仪表 | 8篇 |
矿业工程 | 1篇 |
能源动力 | 4篇 |
水利工程 | 4篇 |
无线电 | 8篇 |
自动化技术 | 5篇 |
出版年
2024年 | 3篇 |
2023年 | 12篇 |
2022年 | 19篇 |
2021年 | 19篇 |
2020年 | 14篇 |
2019年 | 14篇 |
2018年 | 15篇 |
2017年 | 8篇 |
2016年 | 8篇 |
2015年 | 11篇 |
2014年 | 20篇 |
2013年 | 18篇 |
2012年 | 15篇 |
2011年 | 8篇 |
2010年 | 5篇 |
2009年 | 7篇 |
2008年 | 6篇 |
2007年 | 6篇 |
2006年 | 2篇 |
2005年 | 8篇 |
2004年 | 13篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2000年 | 7篇 |
1999年 | 1篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1996年 | 3篇 |
1995年 | 4篇 |
1994年 | 5篇 |
排序方式: 共有257条查询结果,搜索用时 15 毫秒
1.
零序电压产生机理及过渡电阻测量和选相方法 总被引:1,自引:0,他引:1
不对称电网高阻接地故障相的选择和过渡电阻的测量较为困难。文章从新的角度阐述电网零序电压的产生机理和物理意义:不对称电网将自适应的产生零序电压,零序电压在零序阻抗上产生的电流完全补偿电网的"零序不对称电流"。根据零序电压产生的机理,解释中性点不接地系统不存在零序电流的原因,给出中性点经阻抗接地电网零序电压的等效运算电路图,实现接地故障电流的预测。通过比较各相电压与故障电流的相位可判别出故障相,然后根据故障相电压和故障电流的幅值计算过渡电阻。理论分析及仿真验证表明所述方法不受电网不对称和负荷电流变化的影响,精度高,应用方便。 相似文献
2.
基于振动的变压器绕组压紧状态评估方法 总被引:2,自引:0,他引:2
为实时评估变压器绕组压紧状态,对变压器振动问题进行研究。在绕组振动成分、振动传播路径和油箱表面振动成分的研究基础上,建立了变压器油箱振动信号模型。在瞬态激振实验中发现:相对于油箱正面测点,顶面测点更能体现油箱瞬态激振响应逐渐衰减的特征;靠近C相套管的顶面测点共振频段随压紧力减小而明显向左位移。进行短路实验,结合不同电流不同压紧状态下的大量实验数据,发现靠近C相套管的顶面测点振动信号共振谱峰分布与瞬态激振实验中共振频段分布较为一致,提出利用共振谱峰位移规律进行绕组压紧状态在线评估。该方法简单易行,只需监测油箱顶面振动信号,适应变压器负荷变化的运行环境,与电网没有电气连接,可以实现变压器绕组压紧状态在线评估。 相似文献
3.
"电力工程"是电气工程及其自动化专业的核心专业课程,该专业几经变革分合,教学要求与社会需求不断变化.电力工程类教材建设必须适应社会发展的要求.本文结合我校主编的<电力工程>教材,分析了电力工程类教材的国内外现状,研究了电力工程学科的知识体系,在此基础上,着重介绍了该教材的内容体系与特色,并提出了当今<电力工程>教材的教... 相似文献
4.
5.
6.
粒子群算法已在配电网无功优化领域中得到广泛应用,而基本粒子群算法在求解多约束条件的低压配电网电压无功优化问题时耗时过长。为解决这一问题,提出了利用动态多种群粒子群算法对低压配电网进行电压无功优化方案。动态多种群粒子群算法通过轮盘赌将粒子按照各节点电压合格、各节点无功补偿容量不超过预设值和系统总无功不过补偿这3个约束条件进行动态分组,粒子根据改进的粒子速度位置更新公式飞行搜寻,最后获得满足以上约束条件的电压无功优化问题最优解。本文提出的电压无功优化方案将分散并联电容器组与配电变压器调压相结合,与集中补偿无功方式相比,节点电压偏移程度更小、电网损耗更低。本文应用的约束优化粒子算法与基本粒子群算法相比,运行速度大幅提高,计算结果较为优化。 相似文献
7.
绕组压紧状态影响着变压器的机械性能和绝缘性能。为此,提出一种基于奇异谱熵和支持向量机的变压器绕组松动诊断及定位方法。首先进行110 kV变压器绕组松动实验并测取不同绕组状态下的振动信号,对信号进行时间序列重构,通过奇异值分解提取重构空间的最优特征序列,结合信息熵得出绕组松动的特征量——奇异谱熵,并作为诊断模型的输入,利用粒子群算法对多分类支持向量机进行参数优化。并将其测试结果与BP和PNN神经网络的诊断效果进行对比。实验结果证明,该方法能有效地判断绕组是否发生松动并正确识别绕组松动相,验证了上述方法的可行性和准确性。 相似文献
8.
针对变压器绕组松动故障诊断中特征量难以选取,依赖人工经验的问题,提出了一种基于自动编码器降噪,格拉姆角场(GAF)和深度残差网络(ResNet)进行识别的变压器绕组松动诊断方法。该方法直接从GAF图像中自动学习有效的故障特征,不需要手动提取特征量。首先,将振动信号经过自动编码器进行降噪,获得信噪比更高的振动信号。然后,采用GAF方法将振动信号转化为二维图像,生成图像数据集,在此基础上训练ResNet,构建适用于变压器绕组松动故障分类识别的网络模型。最后,搭建变压器绕组松动故障试验平台,采集绕组在不同松动和试验电流下的振动信号并进行分析。试验结果表明,所提诊断方法对变压器绕组松动识别准确率达95%以上,能够有效识别松动相和松动程度,适用于变压器绕组松动故障的识别和诊断。 相似文献
9.
10.