火电厂输灰埋地管道腐蚀爆管试验

针对某电厂埋地钢质浓灰管道外壁产生严重腐蚀穿孔并频繁发生泄露的问题进行了分析,并采用PCM(多频管中电流检测法)进行了管道外防腐层的质量评估及外防腐层的漏点检查,找出了管道腐蚀的主要原因:外防腐层破损点较多、土壤腐蚀性强、外部腐蚀电流进入、管道之间有电连接从而形成电偶腐蚀等多个因素共同作用,最终导致管道的严重腐蚀泄漏。提出了对腐蚀最为严重的部分管道进行开挖,对钢管及防腐层进行修补,部分管线进行阴极保护的处理措施。经过3 a的运行检验,长60 km的埋地管道没再发生爆管。     

超声导波技术在管道检测中的试验分析

超声导波技术相对于其他无损检测技术,具有检测速度快、防腐层破坏少、现场开挖量小等特点,在管道检测尤其是埋地管道检测中应用越来越广泛。通过在一条预制不同缺陷的地面管道进行超声导波检测试验,对比分析不同超声导波设备检测结果,对超声导波在管道检测中的技术特点进行分析,指导其在管道检测中更好地应用。     

电厂埋地循环水管道防腐应用技术探究

在电厂的诸多管道中,埋地管道的种类和数量占很大比例,不同的地下土壤特性、不同的流体介质,对管道的材质及防腐涂料的选择有不同的影响。从电厂埋地钢质管道的腐蚀因素出发,对管道内外壁的防腐措施进行了分析,并对不同地区电厂循环水管道防腐方式进行了探讨,为今后埋地循环水管道防腐技术的应用研究提供参考。     

直流接地极电流干扰下埋地金属管道防护距离影响因素研究

随着直流输电工程建设的快速发展及直流输电工程与埋地金属管道相邻不断增多,接地极极址的选择变得越来越困难。接地极对管道直流腐蚀影响的程度不仅与接地极电流和接近距离有关,还与土壤电阻率、土壤pH值和管道防腐层类型有关。文中在管道电路模型的基础上,建立了考虑管道极化效应的电路模型。通过文中计算方法的计算结果与CDEGS计算结果的对比,验证了文中算法的正确性。获得了典型设计参数下接地极与埋地金属管道的可供工程参考的防护距离,分析了土壤电阻率、土壤pH值、管道防腐层类型对接地极电流干扰下管道防护距离的影响。土壤电阻率和管道防腐层类型对管道防护距离影响较大,土壤pH值几乎不改变管道的防护距离。     

特高压单回线路正常运行时对平行埋地油气管道的电磁影响

建立特高压交流单回输电线路与埋地油气管道平行接近时,前者对后者的电磁影响模型,并利用CDEGS软件进行仿真计算,得到单回交流特高压线路正常运行时,相邻长距离埋地油气管道耦合电压、泄漏电流、纵向电流的沿线分布规律。研究表明:最大耦合电压随着管道与线路间距、导线高度的增加而减小,随着涂层电阻率、负荷电流的增加而增大。石油沥青防腐层管道与三层PE防腐层管道分别与特高压单回输电线路保持200 m、500 m间距时,任意平行长度的管道最大耦合电压均在60 V以下。     

抑制直流接地极影响的管道绝缘防护措施分析

直流接地极单极大地回路运行时数k A的电流入地,会在地中形成大范围的电位梯度,从而导致埋地金属管道上电位过高,进而严重影响附近的油气管道安全运行。为此,利用接地仿真分析的思路,建立了管道防腐层、绝缘接头等对应的等效电路分析模型,通过仿真计算,研究这2种措施对抑制直流接地极入地电流影响的效果和规律,并研究了绝缘接头的优化布置方案。研究结果表明:在绝缘防腐层电阻率已经很大的情况下,增大绝缘防腐层的电阻率或厚度对减小施加在绝缘防腐层电位的作用很小;当管道有破损点时,增强防腐层绝缘性能会增大流过破损点的电流,进而加重破损处管道的腐蚀速度;管道上加绝缘接头可明显减小绝缘防腐层承受的电压,从而大大降低管道防腐层和阴保设备面临的风险。研究结果可为抑制直流接地极入地电流对管道的影响提供参考。     

交流输电线路对埋地金属管道稳态干扰的影响规律

随着电力和石油能源需求不断发展,电力线路和埋地金属油气管道建设在全国各地迅速展开。土地资源紧张的地区,高压输电线路和油气管道往往面临同走廊并行走线的状况。高压交流线路正常运行时,线路上的电流周期性变化产生交变磁场会在管道上产生纵向感应电动势从而引起交流稳态干扰。探讨并获得了管道外径/壁厚、管道埋深、防腐层厚度、管道防腐层绝缘电阻率等参数对交流稳态干扰的影响规律,可供电力和管道设计单位参考之用。     

地下管道防腐层状况伪随机码检测技术

地下金属管道防腐层的损坏,使管体产生严重腐蚀,造成管道事故,因此有必要对其防腐层进行定期不开挖检测.本文将伪随机码技术引人地下管道防腐层状况测量,在分析测量原理的基础上,建立了系统模型,并对发送端和接收端设备以及工作流程分别作了说明;对部分单元做了实验,并对整个检测系统进行了仿真实验,实验和仿真结果证明方案合理可行.     

超高压直流输电线路对埋地油气管道的电磁影响仿真研究

中国电力与油气输送网络发展迅速,为了研究超高压直流输电线路对埋地油气管道的电磁影响,针对金中直流工程与中缅油气管道进行建模仿真。基于工程设备参数与走廊规划,利用CDEGS软件建立了直流输电线路与埋地油气管道平行和交叉的仿真模型。针对直流线路正常运行、单极接地故障、雷击杆塔3种工况,仿真研究了平行和交叉段管道金属电压及管道防腐层电压分布。结果表明,所选超高压直流线路在各工况下对油气管道的电磁影响均符合限值要求。该研究结果对超高压直流输电工程和埋地油气管道共走廊时的安全运行具有重要实际意义,并可为相关工程设计提供一定参考。     

超声波在管道防腐层剥离内检测中的传播特性研究

针对在役石油输送管道防腐层剥离致使管道存在安全隐患的问题,提出了基于超声波技术的管道内检测防腐层剥离方法,进行了超声波在单、双层介质中传播特性的研究。选择不同中心频率、不同K值的压电超声斜探头对单、双层介质进行超声检测对比实验,对超声回波信号进行数据对比分析。结果表明,在收发探头间距一定时,超声波的入射角度越小,接收到的信号能量越大,峰值比例系数也越大;超声波的激励频率越大,接收到的信号能量越小,峰值比例系数越大。提出了一种适用于防腐层剥离管道内检测的探头选取方法,针对本实验的被检对象,采用5 MHz、K1探头进行检测时,效果最佳,这为采用超声波进行管道防腐层剥离内检测的工程实现提供了理论依据。     

基于小波变换和神经网络的同步电机参数辨识新方法

准确地辨识同步电机参数,是研究分析电力系统运行和控制系统设计的前提。神经网络具有信号分离能力，但传统的人工神经元模型不适合分离同步电机的三相突然短路电流。为精确辨识同步电机的瞬态参数，文中提出了一种改进的人工神经元模型，并将小波变换和改进的线性人工神经元结合起来，对采集到的同步电机三相突然短路电流进行分析处理。利用小波变换对短路电流进行预处理，并辨识得到各个时间常数；根据辨识得到的时间常数来设定神经元激发函数中时间常数的迭代初始值，用改进的人工神经元模型对短路电流进行分离，得到其中的直流、基波和二次谐波电流分量，通过简单代数运算便得到电机的瞬态参数。仿真分析和实机试验表明，该方法能够有效地分离出短路电流中的信号成分，并且提高了电机参数的辨识精度。     

自适应电流速断保护在智能配电网中的应用

比较分析了配电网电流速断保护与白适应电流速断保护的区别。利用BP人工神经网络进行建模和仿真试验。仿真试验表明,基于人工神经网络的自适应电流速断保护,对配电网在不同运行方式下的不同类型的区内、外故障都能正确地进行模式识别,间接找出系统等效阻抗变化规律,实现了自适应电流速断保护的功能,为智能配电网的发展提供了技术保证。     

基于支持向量回归的电池SOC估计方法研究

电池荷电状态(SOC)估计的准确性对于混合动力汽车至关重要.将支持向量回归方法用于电动汽车电池SOC的估计.方法中考虑了电池温度、电压、电流、净安时数等因素,对于电动汽车典型工况试验数据得到了小于0.04的误差.比较研究表明:支持向量回归方法比神经网络方法有更好的鲁棒性.     

基于人工神经网络模型的继电保护探讨

对神经网络模型的继电保护的发展历史进行了评述,较详细地分析了神经网络在电力系统的母线保护、电流保护和距离保护的应用。回顾并展望了神经网络在继电保护中的应用。     

基于人工神经网络模型的继电保护的探讨

对神经网络模型的继电保护的发展历史进行了评述,较详细地分析了神经网络在电力系统的母线保护、电流保护和距离保护的应用。回顾并展望了神经网络在继电保护中的应用。     

并联有源电力滤波器的神经网络预测控制

针对速度、负和矩频繁变动的三相可控整流的直流电机驱动装置,提出了一种基于神经网络的并联有源滤波器预测控制方案。通过预测负载网侧输入电流的基波成分,控制有源滤波器产生用以抵消非线性负载的谐波电流。神经网络所需的输入信号为罗易获得的负载装置地信息,诸如可控整流桥的触发角、电机电枢电压和整流器交流测电流等。     

并联有源电力滤波器的人工神经网络控制方法

提出并分析了一种适用于控制并联有源电力滤波器的人工神经网络方法。该方法采用两个不同的人工神经网络，其中的多元自适应线性神经元网络用以获取欲补偿的三相有害电流，而其中的三层前馈神经网络用以控制滤波器的输出电流。仿真结果显示：电力系统经并联有源电力滤波器补偿后，其电源电流波形有很大改善。     

MRAS感应电机定子电阻的在线辨识

针对感应电机定子电阻值受外界因素干扰而影响其矢量控制系统稳定性和控制精确度问题,提出了基于人工神经网络的定子电阻在线辨识方法.为了辨识定子电阻,将人工神经网络模型的定子电流估算值与实际测量电流值的误差反馈以调整神经网络的权值.借助MATLAB/SIMULINK搭建仿真系统,验证了定子电阻在线辨识的必要性.结果表明,该方法可以有效地对定子电阻进行在线辨识.     

A New Optimal Under-frequency Load-shedding Method Using Hybrid Culture–Particle Swarm Optimization–Co-evolutionary Algorithm and Artificial Neural Networks

Optimum under-frequency load shedding during contingency situations is one of the most important issues in power system security analysis; if carried out online fast enough, it will prevent the system from going to a complete blackout. This article presents a new fast load-shedding method in which the amounts of active and reactive power to be shed are optimized with a dynamic priority list by using a hybrid culture–particle swarm optimization–co-evolutionary algorithm and artificial neural network method. The proposed method uses a five-step load-shedding scenario and is able to determine the necessary active and reactive load-shedding amounts in all steps simultaneously on a real-time basis. An artificial neural network database is established by using offline N – K (K = 1, 2, and 3) contingency analysis of the IEEE 118-bus test system. The Levenberg–Marquardt back-propagation training algorithm is used for the artificial neural network, and the training process is optimized by using a genetic algorithm. The artificial neural network database is updated based on new contingency events that occur in the system. The simulation results show that the proposed algorithm will give optimal load shedding for different N – K contingency scenarios in comparison with other available under-frequency load-shedding methods.     

一种实现数字式阻抗继电器的新方法

本文利用人工神经网络技术，提出了一种新的数字式阻抗继电器的实现方法。该方法适用于各种不同动作特性的阻抗继电器。且该法计算量很小，有利于高速保护的实现。同时如需改变保护的动作特性，可由运行人员在现场完成，而不需对源程序进行任何修改