利用电气量和时序信息的改进Petri网故障诊断模型

现有的电力系统故障诊断模型在利用多渠道、多方位的测控信息方面,大多采用决策级别的信息融合,在信息冲突或不完整时有可能导致误判;对时序信息的利用一般局限于对信息的初步筛选,未能充分利用时标偏差与信息准确程度之间的关联性。在此背景下,以现有模糊Petri网故障诊断模型为基础,对多源信息进行融合分析,充分利用设备遥信动作事件的顺序记录(SOE)、由广域测量系统得到的电气量信息以及这些信息所包含的时序特性,建立了一种考虑时序信息的多源Petri网故障诊断模型。所发展的故障诊断模型通过利用时序信息对保护设备动作事件进行置信度评价,利用多源信息的冗余度对所缺警报信息进行补充并校验所收到的警报信息的正确性,可以有效提高故障诊断的准确度和可靠性。最后,采用南方电网和江苏电力系统发生过的实际故障案例对所建立的故障诊断模型进行了验证。     

带并联电抗器输电线路拍频电流幅值分析

目前在自适应单相重合闸中缺乏对拍频电流表达式、拍频电流是否一定存在及其幅值范围的研究。单相瞬时性故障消失后,拍频电流不存在或过小,都会影响重合闸判定的可靠性。拍频电流受健全相电压和故障消失后线路中元器件初始状态的影响,采用叠加原理得到完整的拍频电流表达式;通过分析表达式得出最小拍频电流及其出现的条件,分析出拍频电流为零属于小概率事件;拍频电流受故障时刻、故障持续时间、电弧电阻、电源相角差及故障位置等共同影响,使得不同工况下的拍频电流差异明显,若幅值过小,将会影响重合闸判定的可靠性。文中利用正交实验的方法给出某500kV输电线路拍频电流幅值大小的范围,证明了在工程实践中可以用拍频电流实现自适应重合闸。     

基于霍尔位置传感器的BLDCM控制系统的位置自学习

为了保证无刷直流电动机换相可靠,需要安装转子位置传感器,以获取相对准确的电机转子磁极的位置信息。采用ds PIC30F4011设计了BLDCM调速控制系统的位置自学习方法。实验表明,采用该方法,电机与控制器接好线后,只需经过一次位置自学习,就可正常运转,而且系统运行稳定可靠。     

埋弧焊焊缝金属冲击性能的影响因素及改进

某型核电设备采用的母材为20HR-B,焊缝拼接后,对埋弧焊的焊接见证件进行-20℃与0℃状态下的冲击试验时,多次出现冲击值不达标的情况。从原材料、焊接工艺参数、焊道排列、低熔点成分分析等方面进行了试验和研究,探索了影响埋弧焊焊缝金属冲击性能的各项因素。为了提高焊缝的冲击性能,提出了加工工艺方面的整改措施。     

电线电缆印字方法的分类及应用

分析了油墨印字轮方式、喷码机印字方式、色带印字方式、热压印字轮方式和激光机印字方式的优缺点、适用范围、注意事项,详细阐述了热压印字轮方式和激光机印字方式,着重从机理、印字装置、使用范围做了说明。     

级联H桥型多电平逆变器的CPS-SPWM调制策略研究

针对级联H桥型多电平逆变器的载波相移正弦脉宽调制(CPS-SPWM)技术展开研究。介绍了双极性CPS-SPWM和单极倍频CPS-SPWM的调制原理;进行了数学分析;利用MATLAB进行了建模仿真,采用频谱分析法进行了对比分析。结果验证了所做数学分析的正确性,单极倍频CPS-SPWM调制策略比双极性CPS-SPWM调制策略更优越。     

配电变压器防盗系统设计

使用GSM通信技术及单片机控制技术设计配电变压器防盗系统,实现了配电变压器的停电报警,利用GPRS基站定位技术实现防盗定位追踪功能,有利于农村及偏远地区配电变压器的供电安全及被盗追踪。     

原位生成钛氢化物改善镁基合金的储氢性能

采用机械球磨制备了Mg0.9In0.05Al0.05三元固溶体合金,再添加质量分数10%Ti Cl3球磨合成了一种Mg0.9In0.05Al0.05-Ti Cl3纳米复合物。利用X射线衍射(XRD)分析了复合物的相组成、相结构及吸放氢过程的相转变,揭示了复合物吸放氢反应机制。用Sievert方法测定了复合物吸放氢动力学和PCI曲线。结果表明原位生成的钛氢化物对Mg0.9In0.05Al0.05合金的吸放氢具有良好的催化活性,合金的脱氢激活能降为48 k J/mol,动力学性能显著提高。     

混合动力车用锂电池液体冷却散热器结构设计

通过建立锂电池的热模型,分析了锂电池在不同倍率放电时的发热量。在液体冷却方式下对锂电池组进行了散热设计,模拟散热器在电池组1 C、3 C、5 C放电时流体温度和流量变化情况下的散热性能。仿真结果表明:采用液体冷却能有效降低电池组温度,电池之间的温度一致性好,但在大倍率放电时,单体电池内外温差比较大;而在不同工况下通过改变入口质量流量和优化设计,可以减小电池内外温度差,使电池工作在合理的温度范围内。     

基于PCAGSVR的燃煤锅炉N Ox 排放预测

以某超超临界700 MW 机组锅炉为对象,建立了基于主成分分析(PCA)和支持向量回归(SVR)的氮氧化物(NOx )排放预测模型(PCA-SVR 模型)。运用 PCA 方法对包含有2000条锅炉运行记录的数据集进行分析,降低数据集维数,提取有效信息(主成分);以得到的主成分为输入变量,锅炉NOx 排放值为输出变量,利用SVR建立NOx 预测模型。与传统SVR模型相比,PCA-SVR模型的计算时间更短,并且能获得较高的 NOx 排放预测精度,其预测N Ox 排放浓度与实际排放浓度相比平均误差在1％以内。