排序方式: 共有22条查询结果,搜索用时 0 毫秒
11.
12.
13.
里德堡原子是主量子数n很大的高激发态原子。里德堡原子由于具有大极化率特性,其对外部电场十分敏感,原子能级偏移与电场直接关联,可以用来实现对电场强度和频率的精确测量。该文通过双光子激发的方式实现室温中铯原子20S1/2里德堡态的制备,并基于里德堡原子的电磁诱导透明(electromagnetically induced transparency,EIT)光谱实现了工频电场的测量。实验中研究了工频电场的幅值和频率与EIT的频移关系,实现对工频电场强度和频率的测量。实验中EIT光谱频移是测量电场特性的关键,利用电光调制器对探测光相位进行调制,在EIT光谱两侧产生的边带峰与主峰频率间隔则严格等于电光调制器射频源频率,以此频率作为校准基准实现EIT光谱频移的准确测量。设计了一种微型光纤结构的传感器,可以实现电场的远距离测量。该研究方案对室外高压工频电场的可溯源精确测量及工程应用具有重要参考价值,适用于新型电力系统建设的测量要求。 相似文献
14.
基于正逆问题分析方法的变电站接地网研究综述(英文) 总被引:1,自引:0,他引:1
接地网对对系统的安全运行起着重要的作用。接地阻抗和变电站地电位升(ground potential rise,GPR)对变电站内设备安全性有直接影响;同时,接触电压、跨步电压、网孔电压和转移电压触摸对站内工作人员安全非常重要。变电站接地网的研究核心问题是如何满足IEEE/GB标准规定的安全阈值。此外,土壤参数、不等间距布置、垂直电极和季节性变化是影响设计和故障定位的主要影响因素。从正逆问题研究的角度来看,正问题主要集中于接地网设计,逆问题则是研究接地网被严重腐蚀后对接地网故障支路的定位。该文对已发表的接地网主要研究成果进行综述,其中,重点介绍了中国学者在变电站接地网故障定位方面的研究进展。根据本课题组在接地网研究中所得成果,提出一个新的研究视角来揭示变电站接地网的正问题和逆问题间的内在联系,可以为接地网逆问题中病态的故障诊断方程提供额外的信息。 相似文献
15.
针对中压配电网区段定位方法 所存在的由系统中性点接地方式、故障点距离和过渡电阻大小等环境因素,以及电流互感器极性未知或智能电表错误安装等人为因素所导致的定位不准确问题,提出一种平稳小波极性校验下基于孪生神经网络的故障区段定位方法。首先,分析了零序电流暂态特征,指出了传统线性相关法存在的定位缺陷;其次,使用平稳小波变换解决信号同步和设备反接的问题;最后引入孪生神经网络对故障点上下游信号进行相似性匹配,经训练该模型可以准确定位故障区段。通过仿真验证,该方法具有较强的抗干扰能力,对于定位盲区也有较高的识别率。 相似文献
16.
针对目前强跟踪滤波器在电压暂态扰动检测方面,在强非线性系统下存在参数估计精度不够,高维滤波器模型下计算复杂等问题,结合STF和UKF提出一种基于改进的强跟踪无迹卡尔曼滤波器(MSTUKF)的电能质量扰动检测方法。在状态变量发生突变时,通过次优渐消因子自适应调节过程噪声协方差矩阵的权重,在满足强跟踪滤波器不同时刻残差序列正交条件下,推导MSTUKF成立的充分条件。该算法较传统的STF方法改善了滤波器的估计精度,无需求解雅可比矩阵,只需一次UT变换,计算复杂度降低,且保留了STF在模型失配情况下的强鲁棒性。将所提方法与传统STF进行对比,仿真实验结果表明:所提方法更能快速、准确地检测到电压暂降、暂态脉冲及暂态谐波信号发生的起止时刻,跟踪到突变幅值和突变相位,验证了改进的强跟踪UKF是电能质量扰动检测的一种好的解决方案。 相似文献
17.
为有效保障电力电表的稳健运行,基于连续小波变换技术,设计了电表绕组故障检测方法。首先,采用混合模块化多电平特征分析方法分析电表绕组故障特征,并建立电表绕组的等效电路模型;结合混合模块化多电平换滤器(MMC)拓扑分析方法,获得电表绕组的等效电路拓扑结构。然后,提取电表绕组故障的谱特征量,以局部自均压和功率因素为控制自变量,完成电表绕组故障特征的连续小波变换及分解。最后,进行故障特征聚类和属性分布式挖掘,提高电表绕组故障特征检测和信息挖掘能力。仿真结果表明,该方法对电表绕组故障的检测精度较高,对绕组故障特征的辨识度较好,可提高对电表绕组故障的诊断能力。 相似文献
18.
针对生活用电器品种繁多,不同类型用电器之间的故障电流与正常电流波形可能类似,导致传统的故障电弧识别方法不能有效检测的问题,提出一种时频域分析与随机森林结合且适用于多种典型负载单独或混合工作的串联型低压故障电弧识别方法.根据收集到的多种负载频谱与纯阻性负载频谱的相关系数,将负载分为开关电源型负载和非开关电源型负载,分别训... 相似文献
19.
在供电入口处嵌入非侵入式负荷识别技术,有利于推动建筑节能、实现电网负荷预测、开发智能楼宇、完善智能电网体系建设。据此,提出一种基于有向无环图支持向量机(Directed Acyclic Graph Support Vector Machines,DAG-SVMS)的负荷辨识方法。首先,对总线电流信号进行事件检测,检测到暂态事件后,分离目标负荷暂态电流波形,提取特征,然后,将特征输入预先训练好的DAG-SVMS模型进行分类识别。为提升分类器性能,使用粒子群优化PSO(Particle Swarm Optimization)算法优化DAG-SVMS分类器的参数。为减小累积误差,提出Gini指数优化DAG-SVMS节点顺序的策略。实验结果表明,文中方法识别准确率高,识别速度快,具有可行性。 相似文献
20.
为消除小电流系统下接地故障诊断准确性受系统中性点接地方式、故障类型以及故障位置等因素的影响,分析了系统在各类单相接地故障下的零序电流,提出了一种基于改进的希尔伯特-黄变换和极限学习机的接地故障检测方法。首先用小波变换对信号进行多频带划分,再根据对地电容的充放电特性筛选出的特征频带并进行希尔伯特-黄变换,得到各条线路零序电流的瞬时能量特征,最后利用灰狼算法和粒子群算法对极限学习机进行多层次优化,得到同时具有故障类型识别和选线功能的分类器。设计一款基于数字故障指示器采集和主站数据处理的故障检测系统。经测试,该方法能准确判断故障类型并完成选线,准确度达到90%以上。 相似文献