共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
为了诊断SF6电气设备内部是否存在故障及故障的性质,研究SF6电气设备在发生故障时,SF6气体的分解原理及产物.对比运用现有的检测技术,分析了云南电网近年来发生几个故障中SF6的分解气体,发现将SO2、H2S和CO 作为故障特征气体判断SF6电气设备故障是可行的,为SF6电气设备故障的检测与诊断提供了可靠依据. 相似文献
4.
气体绝缘设备中SF6气体分解产物检测为设备故障诊断提供了有效依据,笔者对SF6气体分解产物的检测技术、试验研究、数据建模及其在设备故障诊断应用等方面的国内外研究现状进行了综述,概要总结了国家电网公司近年来在SF6气体分解产物研究方面取得的新进展,提出了SF6气体分解产物相关方面仍需进一步研究的内容,结合设备状态评价的需求,以期得到设备故障诊断的SF6气体分解产物判据,直接指导气体绝缘设备的运行管理。 相似文献
5.
对SF6气体分解产物的组成及其体积分数进行测定和分析研究与SF6电气设备安全运行密切相关。笔者建立了SF6电气设备模拟放电试验方法,使用气相色谱法、离子色谱法及检测管法对不同模拟放电条件下SF6气体分解产物的生成过程、相对体积分数关系等方面进行研究,寻找表征不同放电故障类型的特征气体,从而得到SF6气体分解产物的变化情况与SF6电气设备故障之间的内在联系。该项研究提出对SF6气体分解产物定量检测以评判电气设备内部状态的理论与方法,对实现SF6电气设备由于放电引起的突发性故障的早期诊断和预测有着重大意义。 相似文献
6.
7.
随着GIS等SF6气体绝缘设备的大规模使用,探索SF6气体的分解机理对延长设备寿命并确保其安全运行有重要的理论指导和现实意义。探讨GIS中典型放电性故障特征及相应的SF6气体分解产物和分解机理,给出了不同放电类型故障相关试验结果,并对最常见的电晕放电故障给出了放电量与分解产物的关系。在此基础上,设计了满足试验要求的气体放电装置,放电量检测单元和SF6气体分解产物检测系统,研究了交流电晕放电下主要气体分解产物及其增长规律,探讨了主要气体分解产物的生成机理。通过与已有文献比较,验证了试验结果的准确性。 相似文献
8.
GIS中局部放电与气体分解产物关系的试验 总被引:2,自引:1,他引:1
SF6分解气体检测法,因其不受电磁噪声和振动干扰,同时也适用于过热故障的检测等优点,成为对GIS设备进行局部放电检测诊断的重要手段,应用前景广阔。为填补现有文献中关于GIS设备局部放电与SF6分解产物关系的研究空白,在实验室建立了一套能够检测SF6分解气体产物的GIS局部放电研究平台,利用长期加压法研究了局部放电类型、放电严重程度以及气体压强对SF6气体分解产物体积分数的影响以及分解产物体积分数随时间的变化趋势。研究结果表明:在尖刺放电、悬浮放电、沿面放电3种类型中,GIS设备中均产生SOF2+SO2气体与HF气体,上述两种分解气体可作为检测GIS设备局部放电的特征气体;随着局部放电严重程度的加重,SOF2+SO2气体与HF气体体积分数增大,SF6气体分析法比较适用于检测较为严重的放电缺陷;随着SF6气体压强的增大,局部放电产生的SOF2+SO2气体和HF气体的产气速率有下降的趋势。 相似文献
9.
10.
11.
详细介绍了无烟气旁路、无GGH的湿法脱硫技术全国首批次在景德镇发电厂2×660 MW机组的应用,实际验证并肯定了该技术的工业使用价值,并从设计、安装、运行维护和管理等方面入手,详细阐述了保证系统安全运行的具体措施. 相似文献
12.
可燃废气利用是实现我国节能减排的重要途径之一。介绍了目前填埋气、火炬气、伴生天然气和煤矿瓦斯几种可燃废气的利用技术和工业应用现状。其中:填埋气的利用率很低,资源化利用技术不足,需大力推广以渗滤液处理、高效LFG抽排及利用为核心的填埋垃圾处理工艺;火炬气通常引入燃油或燃气锅炉加以利用,也可以将火炬气燃烧后利用余热锅炉回收热量,或者作为中等热值的气体,直接引入燃气轮机燃烧发电;伴生天然气的产量不高时,可以将其回注驱油或就地发电,产量高且稳定时,可以采用管道输送、液化天然气(LNG)和压缩天然气(CNG)船舶运输;对于低浓度瓦斯,燃气-蒸汽联合循环发电是其最好的利用方式,其发电效率高达45%以上;通风瓦斯通常作为助燃空气用于坑口电站,该利用方式的技术要求和成本最低。 相似文献
13.
针对传统模式识别算法对混合气体定性和定量检测准确率较低的问题,提出了一种基于机器学习的新型混合气体定性识别和浓度定量检测算法。算法首先构造传感器阵列数据特征图,然后利用卷积神经网络(CNN)提取特征,根据特征提取后的特征图,使用不同分支网络对不同气体进行定性识别,得到气体种类和相应气体所处浓度区间;根据前面的气体识别结果,使用核主成分分析(KPCA)与梯度提升树(GBDT)对混合气体的组成成分进行定量估计;最后采用加州大学机器学习数据库的动态混合气体气体传感器阵列数据集进行对比验证。实验结果表明,算法在乙烯和甲烷定性识别中准确率达到了98.7%,定量检测平均相对误差小于4.1%。通过与传统模式识别算法对比,所提出的基于机器学习的混合气体检测算法具有更高的精度和泛化能力。 相似文献
14.
15.
16.
17.
18.
19.