220kV变电站GIS设备耐压击穿故障分析

交流耐压试验是现场检验GIS设备绝缘的有效方法,由于积累效应交流耐压试验对GIS的绝缘具有一定的破坏作用,一般只在出厂及交接或更换绝缘后进行.为此,本文分析了某220kV变电站110kV电压GIS设备在交接验收时进行串联谐振耐压试验时发生的击穿故障,查出故障发生的原因,并据此提出防范措施.     

基于数学形态学和分形理论的电缆局放识别

为解决电缆附件绝缘缺陷故障类型识别过程复杂、特征选择冗余问题,提出了一种直接利用含噪局部放电信号进行绝缘故障识别的方法。选取3个工频周期内的含噪局放信号作为一个样本,首先采用数学形态学滤波技术进行放电脉冲提取,获得平均放电量和放电次数两个统计特征;利用Hurst指数对局放信号分形性进行判断,若条件满足,直接求取其盒维数作为一个分形特征;最后将3个特征导入可拓神经网络进行模式识别,验证该方法的可行性和有效性。结果表明:平均放电量、放电次数和盒维数3个特征具有较强的可分性,解决了特征选择冗余问题;可拓神经网络能较好地识别出不同类型的绝缘缺陷,识别率高于基于支持向量机和BP神经网络的同类方法。     

大型电机磁极线圈匝间绝缘中频试验技术研究

从分析现有磁极线圈匝间绝缘试验技术的不足出发,通过分布参数等效电路研究了磁极线圈匝间电压的频率分布,再通过对典型磁极线圈的具体仿真分析确定了合适的试验电源上限频率．提出了利用高压大功率电力电子开关技术和并联谐振电路技术开发大型电机磁极线圈匝间绝缘试验,采用中频高压电源的技术方案,并结合典型的磁极线圈具体参数对技术方案中的关键技术环节进行了仿真分析．结果表明,技术方案是可行的．利用这种电源进行磁极线圈匝间绝缘试验可以克服现有磁极线圈匝间绝缘试验技术存在的不足．     

220kV电力电缆本体热阻特性的试验研究

准确计算电缆载流量对电缆安全、经济运行具有重要意义,而准确计算电缆热阻是计算载流量的基础。以空气中敷设220 kV单芯电缆为研究对象,通过对不同阶跃电流下电缆的温升试验,分析电缆各层的温度分布,确定电缆各部分的热阻。试验结果表明阻水带与铝护套间的空气层导致缆芯与皱纹铝护套间的热阻与IEC标准计算的热阻有较大差异,且交联聚乙烯绝缘的膨胀使空气层厚度减小,导致缆芯与皱纹铝护套间的热阻随缆芯温度的升高而降低,所以,电气电缆本体热阻为动态热阻。     

脐带缆拉弯组合疲劳试验机恒拉力控制

由于深海脐带缆的变拉伸刚度特性、卧式加载条件下脐带缆过长、疲劳试验机弯曲端伸缩状态切换而引入冲击噪声等因素,导致恒拉力控制难度高、精度低。在对疲劳试验机控制系统研究的基础上,将模型参考自适应控制算法应用于该试验机的恒拉力控制系统中。针对液压系统中存在的非线性时变参数,提出了自适应线性神经网络与归一化最小均值M估计(ADALINE-NLMM)的自适应控制策略。其利用系统估计的输出误差调整自适应的神经网络的权值,同时利用最小均值M估计算法调整系统中的不确定参数。根据液压系统内部频率变化而跟踪参考模型的输出,削弱脉冲噪声的干扰,提高了控制系统的鲁棒性。不同弯曲角度下脐带缆的静态拉伸试验表明:系统的静态跟踪误差最大不超过3%,平均跟踪误差接近0.3%。一定角度范围内动态拉伸试验表明,脐带缆拉伸端施加恒定的拉力的控制误差不超过10%。结果表明:提出的模型具有良好的恒拉力控制精度和鲁棒性。     

讨论高压电器设备绝缘试验的新技术

近年来我国电力事业取得了飞速发展,随着电力技术和社会经济的不断发展,人们对电力的数量和质量都提出了更高的要求。高压电气设备绝缘技术作为保证高压电器设备安全稳定运行的一种不可或缺的技术日益成为人们关注的焦点。在投入使用前对高压电器设备进行安全试验是确保高压电器设备正常运行的前提,而绝缘试验是高压设备安全试验的重要组成部分,如果不对高压电器设备进行绝缘试验,这种设备便不能被用于实际生产和生活。本文阐述了高压电器设备绝缘试验的重要性,介绍了高压电器设备绝缘试验中的关键技术和高压电器设备绝缘试验的新方法,并对高压电器设备绝缘试验的新发展进行了展望。     

高压输电线破损的红外故障诊断系统

采用远红外热释电探测器、单片机数据实时采集装置及微机分析诊断装置,构成了高压输电线破损的故障诊断系统．本系统可对高压输电线进行在线检测,检测出导线的破损位置、破损程度及绝缘子的发热与故障情况,从而为高压输电线的故障诊断开辟了一个新途径．     

高压输电电缆交接试验研究

交联乙烯绝缘电缆作为当前的主流产品,本文在分析了它的绝缘影响因素后,针对它不适合直流耐压试验的特性,介绍了几种交流试验方法:工频电压试验方法和超低频电压试验方法,并就超低频电压试验的工程应用进行了具体的分析、阐述.经验表明:加强试验技术研究,有助于确保电力系统安全无误的运行.     

浅谈高压电气设备绝缘试验方法及新技术

本文介绍了高压电气设备的绝缘预防性试验的分类,阐述了高压电气设备绝缘试验的重要意义,探讨了高压电气设备的绝缘试验方法,指出了高压电气设备绝缘试验的新技术。     

基于北斗的无缆存储式地震仪远程质量监控系统

在分析无缆存储式地震仪远程监控的需求和现有通信技术特点的基础上,提出了基于北斗卫星通信技术的无缆存储式地震仪远程质量监控系统的设计方案,并完成了基于ARM9处理器和Linux嵌入式操作系统的地震数据采集端用户单元软硬件设计。采用Microsoft Visual C++6.0作为上位机软件的开发工具来进行主控中心监控管理软件的设计,实现了无缆存储式地震仪稳定的远程监控。该系统的设计与开发为无缆存储式地震仪的远程质量监控提供了有效方法,提高了无缆存储式地震仪在野外施工的灵活性与可靠性。     

焊道形貌特征的BP神经网络建模与预测

良好的焊道是成功进行电弧增材制造的保障,其受到焊接电流、电压、扫描速度、送丝速度等多种参数影响. 提出了以焊道高度、宽度为形貌特征的4输入2输出BP神经网络模型,并利用PSO进行了神经网络权值的优化求解. 实验结果表明,设计的BP神经网络实现了对焊道形貌的预测,为后续电弧增材制造的实时预测与控制提供了模型基础.     

基于 CAN 总线的船舶电网绝缘监控系统的设计

为了保证船舶、人身安全和船舶电力系统的供电可靠性,通过介绍现有船舶电网绝缘故障查找方法,分析船舶电网绝缘监控的原理,设计了一种基于 CAN 总线的自动检测查找电网绝缘故障的方法。该方法能够更加快速查找并准确显示电网故障支路绝缘状况,从而进一步提高船舶电网绝缘监控系统运行的可靠性。     

CSP焊点焊后残余应力分析与预测

该文建立了芯片尺寸封装(CSP)焊点有限元分析模型并对其进行了再流焊焊后残余应力应变分析.以焊点直径、焊点高度、焊盘直径和焊点间距为输入参数,焊后残余应力为输出参数进行了灵敏度分析.选取灵敏度分析结果中对残余应力影响显著的因子作为输入,建立了带动量项神经网络预测模型,对CSP焊点焊后残余应力进行了预测.结果表明,置信度...     

电梯零速停靠的RBF神经网络预测算法

针对电梯运行过程中存在爬行距离的问题,提出了基于RBF(Radial Basis Function)神经网络的爬行距离预测模型.将预测的爬行距离增加到电梯速度曲线的匀速段,实现减小或消除爬行距离的目的,从而实现电梯的零速停靠.从电梯运行现场采集大量的原始数据,建立RBF神经网络预测模型,与BP(Back Propagation)预测方法进行仿真比较,结果表明RBF神经网络具有更好的预测效果.给出了应用零速停靠RBF预测算法前后电梯运行的速度曲线,爬行距离减小或消除,电梯的运行时间变短,实现了节能.     

基于信息熵加权的Elman神经网络状态趋势预测

为克服预测神经网络输入值对网络输出预测值贡献程度基本等同的缺陷,提出一种信息熵加权的神经网络智能预测方法。提出信息熵权值的计算方法和延时重构的加权前处理方法,并以Elman神经网络为基础,构建基于信息熵加权Elman神经网络的预测模型。烟气轮机状态趋势预测实例表明,基于信息熵加权Elman神经网络预测方法的预测效果较好,为状态趋势预测提供了一种新方法。     

基于选择性深度神经网络集成的涡扇发动机剩余寿命预测

大样本高维度状态监测数据对剩余使用寿命（RUL）精准预测有着技术性挑战,为了提高以航空涡轮风扇发动机为代表的复杂装备的预测精度和收敛效率,提出一种两阶段的选择性深度神经网络集成方法. 第1阶段为多方法联合扰动下的候选集生成方案,通过采用异质神经网络结构、多时间尺度设计和算法参数随机化消除模型内部耦合关系,强化候选深度神经网络集多样性;第2阶段利用遗传算法集成修剪冗余模型,有效剔除性能不佳的冗余学习器,以获取多样化最优候选子集,并按平均集成输出预测结果. 与个体模型的数据实验对比表明,所提方法通过同步增强集成模型准确性和多样性,提升了近20%的RUL预测精度,可为运维决策提供有力支撑.     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7 a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

基于迟滞神经网络的风速时间序列预测

为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.     

基于BP神经网络马尔科夫模型的径流量预测

讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性.