电力变压器功率损耗的工程计算

论述双绕组、、三绕组和并列运行的电力变压器的有功和无功损耗的计算方法,并给出相应的计算公式,以满足根据为压器的铭牌数据进行变压器功率损耗的工程计算。     

基于扩频通信的电力噪声分析

电力网络中，由于电力线的噪声和干扰对电力线的污染很大，严重影响了电力通信的质量。从理论角度阐述了电力网络的噪声分类及其特性，利用扩频载波理论对电力噪声的抑制进行了分析，并给出相应的公式，得出结论：扩频通信系统对于扩频频谱内的谐波干扰和基带频谱内的噪声有较强的抑制能力，对频谱无限宽的噪声则无明显的抑制作用，但可通过辅之适当的数字信号处理方法，如傅里叶变换、小波变换等，使噪声和干扰的危害降到最低程度。     

电力系统损耗计算的改进

1 前言电力系统的损耗包括送电和配电系统两方面的损耗。损耗的产生是电力系统运行中不可避免的。确定损耗的量值,并对相应的系统元件的损耗加以规定,从而使电力系统的这种无效损耗减至最小。同时,为了计费,对相应用户加以规定也是必要的。计算损耗的方法,本世纪20年代末,已由两位通用电气公司(GF)工程师推导出来。从而第一次确定了负荷系数和等值小时损耗系数间的     

有载电力变压器杂散损耗的计算

有载电力变压器杂散损耗的计算杨明坤（四川宜宾变压器厂）随着有载电力变压器订货量的增加，我们发现，利用传统的负载损耗计算公式，手工计算得到负载损耗值与试验结果相比较误差较大。特别是三绕组有载电力变压器的内外绕组的损耗，也就是高阻抗的情况下，误差就更大，...     

电力线路故障点距离的计算

本文介绍计算故障点距离的新方法和计算程序，通过实例的计算结果讨论了误差的产生，原因和缩小误差的对策，实践证明，应用本文介绍的方法和程序计算故障点距离，误差很小，对于减少查经所用的人力物力有很大帮助。     

有源电力滤波器损耗计算方法的研究

有源电力滤波器(APF)作为一种特殊的变流器,需要分别或者同时输出基波电流和谐波电流。由于其工作状态的特殊性,损耗的计算及散热设计存在一定的难度。此处以并联型T型中点箝位式(TNPC)三电平APF为例,通过分析变流器的各种工作模态及过渡过程,发现很难通过传统的解析算法直接推演出通用的损耗计算解析表达式,而利用数值算法累加计算APF的损耗是一种行之有效的离散化方法。通过分析APF在几种典型工况下的损耗模型,得到了APF损耗特性的计算方法。以一台20kW的APF为研究对象,利用Matlab软件进行了算法实现验证,并将仿真结果与该APF的实际损耗数据进行了对比,验证了该分析和计算方法的正确性,为APF的散热设计提供了有效的技术支撑。     

基于人工神经网络的输电线路故障定位方法

利用人工神经网络中海明网模式判别的功能，来对输电线路发生的故障定位，并在此基础上，进行了扩充。     

人工神经网络在配电网线损计算中的应用

本章讨论了利用多层二次神经网络计算配电网线损的方法，其精确度远远高于常规的回归分析法。     

基于人工神经元网络的电力系统谐波测量方法

提出了了一种基于人工神经网络（ＡＮＮ）的电力系统谐波测量方法。所设计的谐波测量系统在线训练ＡＮＮ,具有二级滤波,可实时并行测量指定各次谐波的幅和相位,仿真结果证实了该测量的有效性。     

基于人工神经网络的日负荷预测方法的研究

基于人工神经网络原理,设计了一个三层的ＢＰ网络模型。充分利用了神经网络高度非线性建模能力,实现电力系统的短期负荷预测。文中对样本数据进行了预处理,以及在算法中引入附加冲量项,以提高训练速度。预测仿真结果证明使用人工神经网络方法进行短期负荷预测是可行的。     

一种基于人工神经网络的电力谐波测量方法

提出了一种新颖的电力谐波测量方法,它用一个多层前馈神经网络替代模拟并行式谐波测量装置中的带通滤 波器,使各次谐波都可以用这个训练过的神经网络测量出来。阐述了该神经网络训练样本的组成和训练方 法。对一含有谐波的畸变电流的仿真结果说明了这种测量方法的有效性。     

变压器经济运行的神经网络控制系统

介绍了一种微机双绕组变压器负荷经济运行控制系统的基本工作,硬件结构框图和主要技术特点。该系统应用人工神经元网络技术具有的强大的学习能力,一定的容错能力和对噪声的鲁棒性进行了短期负荷预测。该系统能自动地将日负荷曲线分为2个典型时间段,并自动调整变压器的运行状态,最大限度地降低了变压器自身的电能损耗,从而达到节能,增效的目的。     

基于人工神经网络的梯级水电厂日优化运行

提出了一种利用人工神经网络(ANN)进行梯级水电厂日优化运行研究的方法。既可用于制订 梯级日最优发电计划,又可用于梯级实时发电控制。为了加快神经网络的收敛速度,采用分 解网络技术,将一个复杂的网络分解为多个简单的网络。仿真结果表明,将神经网络应用于 这一领域,取得了较为满意的结果。     

基于灰色预测和神经网络的电力系统负荷预测

负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是：神经网络的输入为各种灰色模型（GM）的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。     

基于神经网络的电力系统短期负荷预测研究

电力系统负荷预测是电力生产部门的重要工作之一，作者利用BP神经网络进行电力系统短期负荷预测，在保证有足够的训练样本的前提下，对预测模型进行合理分类，构造了相应于不同季节的周预测，日预测模型，并对输入变量的选择，特别是温度的选取问题，进行了讨论，在神经网络训练的过程中，往往会出现过拟合的现象，给预测的结果带来不利的影响，为此在训练过程中，将样本随机地分离为训练集和测试集来防止这个问题，典型算例的计算表明，该方法是有效的。     

基于人工神经网络的距离保护

提出一种基于人工神经元网络的距离保护新原理,利用电磁暂态仿真程序（ＡＴＰ）进行大量的仿真计算,证明了所提方法的优越性,对于线路全长的８５％以内的故障,保护所需的数据窗长为２２ｍｓ,动作时间不大于２６ｍｓ,对于线路全长的７０％以内的故障,数据窗长为１２ｍｓ,动作时间不大于１６ｍｓ。     

基于暂态能量的多机电力系统网络评价

在结构保持模型的基础上,根据网络中暂态能量的变化规律,定义了支路及割集的脆弱性指标。依赖于该指标值的排序,可以有效地识别出影响电力系统暂态稳定性的关键支路及关键割集,确定网络中的薄弱环节,避免了大量的割集搜索计算。对6机系统进行仿真,验证了所提方法的有效性。     

结合进化算法的人工神经网络在变压器故障诊断中的应用

人工神经网络在变压器故障诊断中有广泛的应用。常用的BP算法具有易陷入局部极小、收敛速度慢等缺点 ,给故障诊断带来不便。为此提出利用进化算法优化人工神经网络结构的初值 ,利用可靠性分析技术对输入数据进行处理 ,从而有助于较快获得最佳的权值矩阵 ,实现变压器故障诊断。