关于继电保护定值在线整定及灵敏度在线校验的探讨

我国电力系统目前在继电保护方面,对于继电保护中的定值的整定和灵敏度在线校验依旧是处于一种离线计算的模式,这种模式虽然能够对保护装置的定值进行整定,但是每当电力系统的运行方式发生变化时,对于保护的定值是否要修正一直是困扰整定人员的一个问题。在此基础之上,本文就对电力系统在随着网络接线变化之中,系统继电保护定值的在线整定原理和软件进行探讨。     

图形化电力系统故障分析与整定系统

本文详细介绍了以图形建模方法为基础的电力系统故障分析和整定系统的功能。采用图形建模的方法,设计了电力系统的故障分析与整定软件系统,能够对电力系统的故障进行仿真,同时通过对继电保护进行整定校验,能够更好的对电力系统保护装置进行定值管理,为电力系统的维护提供丰富的继电保护数据,为提高电力系统的稳定性提供参考。     

基于组件技术的继电保护整定计算软件的设计与实现

随着社会经济的发展和人民生活水平的不断提高,我国的电力系统进入了高速的发展阶段.而继电保护整定计算作为电力系统运行和供电过程中的重要组成部分,其相关软件的设计和实现已成为促进我国电力系统进一步发展的重要条件.本文基于组件技术,针对继电保护整定计算的相关特点,提出了继电保护整定计算软件设计与实现的一系列设想,希望能对相关技术的发展提供参考.     

浅谈继电保护运行管理问题的探讨

继电保护装置是电力系统的重要组成部分,是电力系统发生事故或异常情况时迅速切除或隔离故障的设备,是确保电力设备的安全以及防止电力系统大面积停电有效的技术手段。文章对继电保护运行管理包括继电保护的整定计算和定值管理、装置检验管理、缺陷管理等提出一些个人见解。     

电力系统主设备继电保护整定计算研究

首先,本文对电力系统主设备继电保护配置概况进行了总结,强调了整定计算在继电保护工作中的重要地位;然后,对整定计算目前存在的问题进行了合理探究;接下来,提出了电力系统继电保护配置方案,包括发电机纵差保护整定算法、匝间短路保护整定算法分析以及发电机定子短路故障后备保护的整定算法。     

县级电网35kV变电站10kV出线继电保护简易整定

电力的需求量在不断增加,对于变电站安全、稳定运行做出了更高标准的要求.变电站中的继电保护装置是相当重要的,但其受到电力系统中各种因素的影响,无法保证继电保护定值的适应性,因此,做好定值整定就变得很重要.在本文中,笔者结合实践,分析了县级电网35kV变电站10kV出线继电保护简易整定,对于提高变电站安全、稳定运行具有积极的作用.     

继电保护系统运行可靠性的思考

为电力系统正常运行得到保障,在幅度降低电力系统运行故障带来的经济损失,有效提高电力系统运行效率,必须对继电保护装置进行正确的设置,而且对各项相关定值进行准确的整定,实现最大限度地提高继电保护系统运行的可靠性。     

论继电保护整定计算软件开发与应用

确保电网安全运行,继电保护装置不可缺少,这是最重要的电网安全保障体系。为了满足保护装置选择性、可靠性、灵敏性等方面要求,就需要准确、快速地计算出保护定值。本文首先分析继电保护整定计算模块的保护配置,然后从自动整定分析如何实现整定计算功能,希望能够让继电保护整定计算软件更趋于完美。     

继电保护整定计算存在不足点及改进措施

在保证电力系统可靠运行过程中,继电保护整定计算占有很重要的地位,本文就继电保护的工作原理以及整定计算站考分析,阐述当前我国电力系统整定计算中存在的不足点,对这些不足点提出一些改进措施,希望能对提高继电保护整定计算提供一些帮助.     

基于coBase整定计算系统的定值管理

继电保护装置是保证电网安全稳定运行的重要技术手段,继电保护装置的正确的保护定值则是防止事故发生和扩大的基础,coBase整定计算系统的定值管理利用最新计算机网络技术、软件技术以及标准技术体系,实现继电保护整定计算基于公共的基础数据以及"地-县"调联合计算分析,业务流程全过程一体化管理的目标.     

Multiuser computation offloading for edge-cloud collaboration using submodular optimization

A computation offloading scheme based on edge-cloud computing was proposed to improve the system utility of multiuser computation offloading.This scheme improved the system utility while considering the optimization of edge-cloud resources.In order to tackle the problems of computation offloading mode selection and edge-cloud resource allocation,a greedy algorithm based on submodular theory was developed by fully exploiting the computing and communication resources of cloud and edge.The simulation results demonstrate that the proposed scheme effectively reduces the delay and energy consumption of computing tasks.Additionally,when computing tasks are offloaded to edge and cloud from devices,the proposed scheme still maintains stable system utilities under ultra-limited resources.     

浅谈煤矿供电系统继保装置的优化改进

煤矿供电系统是整个煤矿生产的动力来源,而继电保护系统是供电系统安全运行的重要保障,因此煤矿继电保护装置应满足可靠性、选择性、速动性和灵敏性四个基本要求,而继电保护的整定原则的优化及计算是确保"四性"的主要手段。     

基于移动边缘计算的虚拟现实压缩与传输系统

针对基于云服务的虚拟现实对数据传输速率的高要求以及对传输时延的敏感性问题,提出并设计了基于移动边缘计算技术的云VR系统方案,主要包括基于视点的VR处理和混合数模传输优化。首先采用基于金字塔投影的用户视点感知动态推流方法实现基于视点的VR处理;然后引入混合数模技术对传输进行优化改进,并给出了启发式的资源分配优化算法;最后在长期演进(LTE)系统的基础上改造基站协议栈,融入移动边缘计算技术,实现了完整的移动边缘云VR系统。实验结果表明,与已有方案相比,所提方案能够实现更加稳健高效的传输,达到更好的VR用户体验。     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

云网向算网演进中的若干关键技术问题

首先,分析了近年来云网融合技术的发展趋势以及面临的新问题与新挑战;然后,基于业务发展中算力异构、算力下沉和算网联动的新变化提出了六大计算与网络能力融合需求,并结合多云连接、差异化承载、电商体验和分级安全等论述了围绕算网构建新能力和业务新体验方面的案例。分析结果表明,算网和云网在技术体系上紧密联系,而算网一体是云网融合发展演进的必然结果,也是数字经济发展的必然选择。     

A Lion‐Whale optimization‐based migration of virtual machines for data centers in cloud computing

The scalability, reliability, and flexibility in the cloud computing services are the obligations in the growing demand of computation power. To sustain the scalability, a proper virtual machine migration (VMM) approach is needed with apt balance on quality of service and service‐level agreement violation. In this paper, a novel VMM algorithm based on Lion‐Whale optimization is developed by integrating the Lion optimization algorithm and the Whale optimization algorithm. The optimal virtual machine (VM) migration is performed by the Lion‐Whale VMM based on a new fitness function in the regulation of the resource use, migration cost, and energy consumption of VM placement. The experimentation of the proposed VM migration strategy is performed over 4 cloud setups with a different configuration which are simulated using CloudSim toolkit. The performance of the proposed method is validated over existing optimization‐based VMM algorithms, such as particle swarm optimization and genetic algorithm, using the performance measures, such as energy consumption, migration cost, and resource use. Simulation results reveal the fact that the proposed Lion‐Whale VMM effectively outperforms other existing approaches in optimal VM placement for cloud computing environment with reduced migration cost of 0.01, maximal resource use of 0.36, and minimal energy consumption of 0.09.     

基于云计算的深度包检测技术研究

针对云计算平台的分布式、虚拟化等特点,从深度包检测技术的算法原理和实现框架两方面入手,研究如何将深度包检测技术引入云计算平台,提出深度包检测系统在云计算环境中的系统框架;其根据云后台硬件资源的异构性来智能地协调配置,并协作均衡处理和防御重复攻击,提高了整体效率;实验结果表明云计算框架比传统框架的深度包检测系统有效性和在时间、空间上的性能优势。     

云边协同中的资源调度优化

随着业务类型的丰富和多样化，低时延、高带宽、数据私密性、高可靠性等成为业务普遍的要求。边缘计算、雾计算、分布式云、算力网络等方案相继被提出，并在产学研各界引发了深度的研究和探索。针对“多级的算力分布以及算力的协同将是未来算力结构的主流”这一观点，产业内外达成了共识，算力管理、分配、调度等与资源优化相关的问题也成为当下的研究热点和重点攻关方向。为此，面向未来的算力供给结构，首先描述了学术界、产业界资源调度优化问题的最新进展，总结了当前的主要方法论和工程实施架构；然后，针对两种典型的云边协同场景，从场景拆分、调度目标、求解方案依次进行分析，给出了适应场景特性的资源调度优化参考方案。     

云模型优化的QPSO算法在大数据云存储平台业务调度中的应用

QPSO算法作为最优秀的群体智能算法之一,有着较强的寻优能力,将QPSO算法用于云计算平台资源调度策略的寻优,有着明显的优势。通过对QPSO算法在云计算中的应用研究,为云计算平台效率的提升提供有效方法。文章对云模型优化的QPSO算法在大数据云存储平台业务调度中的应用进行分析与研究。     

Multidimensional QoS cloud computing resource scheduling method based on stakeholder perspective

A multidimensional cloud computing architecture is designed and a multidimensional cloud resource scheduling model is constructed based on the stakeholder perspective of cloud users and cloud service providers to meet the high QoS requirements of cloud users (such as task execution time and task completion time) with low computing costs (such as energy consumption,economic costs and system availability).For the second-level cloud resource scheduling,an MQoS cloud resource scheduling algorithm based on multiple Greedy algorithm is proposed.The experimental results show that under the four cloud computing application scenarios with no aftereffects,the MQoS cloud resource scheduling algorithm has an overall increase of 206.42%~228.99% and 34.26%~56.93 in terms of multidimensional QoS degree compared with FIFO and M2EC algorithms.It has an average overall reduction of 0.48~0.49 and 0.20~0.27 in terms of cloud data center load balance difference.