高压电缆网络短路分流系数的研究

在进行变电站的地网设计、确定变电站的安全指标(跨步电压和接触电压等)、以及研究电力电缆线路短路对邻近通讯系统的影响时,短路电流的分布和入地短路电流的计算至关重要。为此,建立了电缆金属护套两端直接接地和交叉互联两端接地的电缆线路的简化等效模型,在此基础上提出了一种用于计算广州高压电缆网络单相接地短路时短路电流分布和电缆分流系数的方法,并在实际运行的电缆线路上进行了试验验证。结果表明,只有很少一部分的短路电流是经变电站的接地网入地并通过大地回流的,绝大部分的短路电流是经过电缆护套回流的,且主要经过所谓的"主路径"的金属护套回流的。最后在分析计算的基础上对地网的设计、通讯干扰、单相短路时电缆金属护套上的工频过电压等问题进行了讨论。     

SVC抑制配电系统电压跌落的研究

随着各种敏感设备在工业中的广泛应用,电能质量尤其是电压跌落问题越来越引起人们关注。静止型无功补偿器SVC具有快速平滑的调节无功输出的特点,能够很好地对电压跌落进行抑制。从理论上分析了SVC能有效地抑制电压跌落的原理,推导了SVC补偿容量的计算方法,并且根据实际情况建立了SVC改善电压质量的电磁暂态仿真模型,针对用户端不同的电压跌落深度,SVC的不同安装地点进行SVC补偿的仿真,对仿真结果进行对比分析。     

利用短路电流热效应的OPGW分流地线选型

在光纤复合架空地线(OPGW)设计中,通常需考虑送电线路发生单相短路故障时短路电流在OPGW和另一根地线中的分流关系,并需计算出相应的电流分量。为此,首先从OPGW短路电流热效应入手,探讨了短路电流持续时间的取值并推导出OPGW短路电流瞬时温升的公式,同时提出了分流地线在电力系统中的意义,然后对比计算OPGW和分流地线的分流关系后得出了分流地线选型的基本原则:即分流地线应有足够低的阻抗以使得OPGW的电流分量降到允许值以下;分流地线本身要有足够大的热容量;在满足防雷各项要求后应有足够的强度安全系数。最后针对广东省2005年IT项目中OPGW和良导体分流地线的短路电流热效应进行的计算分析验证了OPGW分流地线选型的方法和原则。     

南方电网受端系统电源支撑能力的灵敏度分析

受端系统电源支撑能力关系到系统安全稳定运行,尤其是电压稳定。广东电网作为南方电网的重要受端系统,其负荷约占南方电网全部负荷的70%,远距离输送电能到广东,必须提高电源支撑能力,保障系统的安全稳定性。对南方电网的多种运行方式进行仿真,找出受端系统的薄弱环节,通过灵敏度的比较,选取灵敏度最大的点位为支撑点,分析了其支撑效果并与其他支撑点的支撑效果进行了比较。结果表明在灵敏度最高的地点进行电源支撑,支撑效果最明显;能有效提高负荷地区特别是电压弱区域的电压水平,从而提高系统的电压稳定裕度。     

高新技术企业用户电压质量问题分析

根据用户电压质量统计数据分析了引发用户电压质量问题的原因和机理。通过记录用户电压质量事故发生的时刻、电压暂降的深度、发生的线路编号、持续的时间和发生时刻的天气等掌握用户主要面临的电压质量问题的类型、发生的时刻、严重程度和受天气影响的情况。通过与供电局记录的故障情况进行对比分析,指明了引发电压质量事故的原因和输配电网络中存在的薄弱环节,为解决用户电压暂降问题、提高用户供电质量提供了依据。     

ARJ:一种可变干扰半径的IEEE 802.11g全频道干扰机

针对传统全频道干扰需利用单一频道干扰机进行相对费时的频道跳转,提出了一种全频道IEEE 802.11g干扰机(ARJ),ARJ利用临频干扰,尤其是非交叠信道临频干扰实现对全频道的覆盖.与单一频道干扰机相比,ARJ在一个固定频道上便可实现全频道干扰,可调节干扰信号发射功率实现可变的干扰半径,通过设置干扰频度达到能量有效.引入信道比特错误率的DCF马尔可夫链模型的理论分析和模拟场景的仿真实验表明:ARJ可以实现对IEEE 802.11g全频道的干扰,其在真实实验中得到实现和验证.     

关于我的作品

本文用不同的语言,讲述了作者不同时期的创作经历、形式和作品状态。     

基于软总线的多模式电力市场技术支持系统

随着电力行业逐步由垄断走向市场化经营，在一定时期内多种电力市场模式可能并存。为了支持不同市场模式，需要技术支持系统能够同时满足不同模式的需求。文中提出了基于软总线技术的多模式电力市场技术支持系统。在分析了软件重用技术的新方法——软总线技术与软插件技术后，基于分布式软总线系统的一般结构，以交易为核心，设计了多模式技术支持系统。采用消息机制实现了对弃水市场与发电市场的同时支持，并验证了技术的可行性。     

电力市场智能模拟中代理决策模块的实现

在日前交易方式下，发电厂商为了追求长期最大利润，竞价策略显得尤其重要。通常，发电厂商运用的策略过于复杂，难以用传统的博弈论方法来建模。人工智能中强化学习 Q -learning算法是一种自适应的学习方法，使代理能够通过不断与环境进行交互所得到的经验进行学习，适合在电力市场智能模拟中运用。文中在开放源代码的电力市场智能模拟平台AMES上，增加了发电厂商代理基于 Q -learning的竞价决策程序模块，并在5节点测试系统上进行模拟。实验结果表明，运用基于 Q -learning算法竞价决策使代理可以较好地模拟发电厂商的经济特性，且在相同条件下表现出比AMES原有的VRE learning算法更强的探索能力。     

燃气燃烧产物成分的理论计算

燃气燃烧产物成分的理论计算金志刚（天津大学，天津３０００７３）１引言在设计燃烧设备时，需要计算燃烧产物的成分及生成量。在评价与控制燃烧设备燃烧工况时，需要利用测试手段，检测出燃烧产物中的关键成分（例如ＣＯ２、Ｏ２、及ＣＯ等），并据此分析燃烧工况的优劣...