无间隙金属氧化物避雷器的选择

无间隙金属氧化物避雷器正逐步取代传统的碳化硅阀型避雷器 ,介绍了无间隙金属氧化物避雷器主要参数的额定电压、保护水平的选择原则和方法 ,并对电缆段和 GIS的实际应用中的有关情况作了说明     

无间隙金属氧化物避雷器的参数选择

根据GB 11032-2000等效于IEC 60099-4:1991《交流无间隙金属氧化物避雷器》,讨论10~500 kV站用无间隙金属氧化物避雷器(以下简称MOA)的额定电压(UR)、持续运行电压(UC)的选择,并通过保护水平与绝缘配合的比较,提出在工程设计中如何按新标准选择MOA的参数。     

中性点非有效接地系统使用无间隙金属氧化物避雷器的问题

阐述了电弧接地过电压下金属氧化物避雷器动作负载的计算结果、影响因素及应继续研究的问题。     

有机外套无间隙金属氧化物避雷器的特点

与瓷外套无间隙金属氧化物避雷器(简称MOA)相比,有机外套无间隙金属氧化物避雷器(简称MOPA)具有许多特点:     

关于交流无间隙金属氧化物避雷器技术标准的刍议

文章对修正稿“国家标准ＧＢ１１０３２－ＸＸＸＸ等效ＩＥＣ９９－４”内容四个方面的问题进行了讨论,并认为,在很多原则性技术问题上没有等效ＩＥＣ ９９－４。这四个问题是：（１）ＧＢ１１０３２与ＩＥＣ ９９－４对ＷＧＭＯＡ分类完全不等效,ＩＥＣ９９－４对ＷＧＭＯＡ分类比ＧＢ１１０３２科学、适用。（２）ＧＢ１１０３２的典型ＷＧＭＯＡ保护性能表不能满足能力系统实际需要。（３）修正稿应降低ＷＧＭＯＡ密封漏气率     

3—63kV电网无间隙金属氧化物避雷器选择

根据我国3～63kV电网运行条件,提出在这种电网使用无间隙金属氧化物避雷器的选择方法及阀片通流容量的探讨。     

关于交流无间隙金属氧化物避雷器技术标准的争议

文章对修正稿"国家标准GB11032-XXXX等效IEC99-4"内容四个方面的问题进行了讨论,并认为,在很多原则性技术问题上没有等效IEC 99-4.这四个问题是:(1)GB11032与IEC 99-4对WGMOA分类完全不等效,IEC99-4对WGMOA分类比GB11032科学、适用.(2)GB11032的典型WGMOA保护性能表不能满足电力系统实际需要.(3)修正稿应降低WGMOA密封漏气率的允许值.(4)修正稿应降低WGMOA内部局部放电量允许值.     

关于交流无间隙金属氧化物避雷器标准的争议

作者完全赞成按等效ＩＥＣ９９－４修订国家标准ＧＢ １１０３２。但实际内容,作者认为在很多原则性技术问题上没有等效。本文提出四个问题：（１）ＧＢ １１０３２与ＩＥＣ９９－４对ＷＧＭＯＡ分类,完全不等效,作者认为ＩＥＣ９９－４对ＷＧＭＯＡ分类比ＧＢ １１０３２科学、适用。（２）ＧＢ１１０３２的典型ＷＧＭＯＡ保护性能表不满足电力系统实际需要。（３）修订稿应降低ＷＧＭＯＡ密封漏气率的允许值。（４）修订稿应     

3—66kV交流无间隙金属氧化物避雷器持续运行电压技术参数问题

目前我国３－６６ｋＶ交流无间隙金属氧化物避雷器在持续运行电压Ｕｃ的选取上有争议，本对争议作了全面分析，目前ＭＯＡ的寿命，是根据高温短时间在Ｕｃ（或Ｕｃ乘一系数）下进行加速老化试验结果，用经验公式计算出等值常温长期（数十年）的Ｕｃ下的工频电压的寿命。这种迫不得已的做法，一直是有争论的，工程师们在工程上应用间接得来的技术参数时，传统上都要加一些裕度，裕度大小由经验和借鉴国际惯例来确定。章最后介绍了     

交流旋转机械的状态监测

在综述了各种交流旋转机械的状态监测方法后,对小波变换新技术进行了介绍,并通过小波变换对暂态非平稳信号的分析,阐明了小波变换在分析暂态信号方面,比传统的Ｆｏｕｒｉｅｒ变换更具优越性。交流旋转机械随着运行状态的劣化,会产生一些暂态信号。因此,利用小波变换来监测交流旋转机械的状态,具有良好的应用前景。     

大型电机定子三维流体场计算及其对温度场分布的影响

文中从计算流体力学理论出发，对大型电机定子通风结构进行分析，建立了定子径向通风沟内流体运动的微分方程，确定三维流体场的求解区域和边界条件，并进行了数值计算和分析，得到了径向通过沟内的三维流体场的分布。在流体场计算的基础上计算了径向通风沟内各壁面的散热系数，建立定子三维温度场的数学模型并进行计算。将基于三维流体场分析得到的定子温度分布与传统的温度场计算结果及解析法计算的结果和实测值进行比较，证实大型电机定子内流场与温度场存在较强的耦合关系。     

基于拼图方式的电力电子电机系统通用仿真软件包

在综合分析,研究了国内外电力电子仿真软件的基础上,结合课题的实际应用背景和现有的工作条件,开发了基于拼图方式的电力电子电机系统通用仿真软件包。     

基于遗传算法优化参数的支持向量机燃煤发热量预测

利用支持向量回归机(SVR)和遗传算法(GA)对煤的低位发热量建模,采用遗传算法对支持向量机预测模型的各项参数进行寻优,为减少所选参数对训练样本的依赖性,引入交叉验证的思想,以推广能力最好的一组参数作为最终参数.将优化参数代入 SVR 模型,得到基于遗传算法的支持向量回归机(GA-SVR)模型.通过对电厂入炉煤的试验数据进行分析,并且与常规 SVR 模型和 BP 神经网络模型(BP-ANN)进行对比,以验证该模型的可靠性和精确性.结果表明,该方法可准确地预测燃煤发热量.