基于改进串联合闸电阻的变压器励磁涌流抑制研究

在利用合闸电阻抑制变压器轻载或空载合闸时产生励磁涌流的基础上,提出一种在合闸电阻上串联适当电容器的改进方法。该方法在原有的合闸电阻上串联电容,通过适当选取电容的容值,以减少励磁涌流的大小,加快励磁涌流的衰减速度。将该方法与分相合闸技术相结合,可最大程度实现变压器励磁涌流的抑制。仿真实验结果验证了该方法的可行性。     

直流偏磁对飞来峡电厂1~#主变的影响分析

根据飞来峡电厂1#主变受直流偏磁的影响状况,分析问题存在的原因,提出消除直流偏磁使变压器安全运行应采取的具体措施,从而很好地改善该站主变的直流问题。     

心式铁心柱电力变压器油道位置设计计算

利用电力变压器铁心柱制造特点,针对铁心柱内插入油道的要求将其转化为半径为R的圆内插入一族平行线,这族平行线分圆面积为相等的带状区域这一问题,然后用MATLAB中的SOLVE（）函数求解,从而得到了油道位置的准确数据,为变压器的设计制造提供了科学依据。     

500kV增城站增容工程变压器选型论证

介绍了500kV增城变电站在超规模扩容设计过程中变压器选型工程,对不同型式的变压器进行了技术经济比较,介绍了ASA型变压器的现场组装情况。     

动态小波在变压器励磁涌流识别中的应用研究

电力变压器的励磁涌流识别一直是变压器保护的一个重要问题。动态小波是小波函数和傅里叶函数的组合,固此与常规小波变换相比。检测故障突变信号的能力更强。文中将动态小波运用于励磁涌流识别中,通过仿真实验证明了该方法提高了勋磁涌流鉴别的可靠性。     

洛阳石化BOPP薄膜电晕系统探讨

本文从电气控制、影响电晕强度及常见故障处理三个方面介绍了电晕在洛阳石化BOPP薄膜生产线上的应用。     

高性能PCB空心线圈电流互感器用于矿区电力系统的研究

高性能PCB空心线圈电流互感器为大截面结构,而理想空心线圈电流互感器要求为小截面结构。文章通过详细的理论分析和推导,解除了对截面大小的这一限制,得出大截面、高精度的PCB空心线圈电流互感器具有和理想空心线圈电流互感器相同测量原理的结论,为PCB空心线圈电流互感器的优化设计和在矿区电力系统中的应用提供了理论基础。实验研究结果表明,高性能PCB空心线圈电流互感器具有良好的测量精度、参数一致性、优异的工频暂态性能和抗电磁干扰能力,适应矿区的电力环境和电力系统进一步数字化的发展潮流。     

电力变压器热保护系统硬件的研究

变压器是整个电力系统中最重要的设备之一,其运行的安全性和可靠性直接影响整个电力系统的运行链完整性。电力变压器的内部故障主要是过热性故障,因此研究变原器的过热故障具有很大实用价值,本文提出了电力变压器热保护系统,从终端采集电路、电源电路、数据采集电路、通讯电路、显示电路和键盘输入电路和控制电路详细介绍了本系统的构成和原理。     

基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估

为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。     

基于声纹特征和集成学习的变压器缺陷诊断方法

变压器运行过程中产生的振动噪声与其运行状态及内部缺陷情况直接相关,对其声纹信号开展特征分析,有助于进一步了解设备运行工况,保障电力系统安全稳定运行。文中以声纹特征分析为基础,兼顾诊断效率与准确性,提出一种基于卷积神经网络及集成学习模型的变压器缺陷诊断方法。该方法以变压器声纹数据的时域及频域信号为多通道输入混合特征,构建了基于卷积神经网络模型和声纹特征分析法的集成学习模型,可实现变压器声纹特征的有效识别,并通过由多个基学习器组成的集成学习模型提高了变压器缺陷诊断的准确性。基于文中所构建的变压器声纹样本库,可得到该方法对变压器单一缺陷的识别准确率为99.2%,对变压器混合缺陷的识别准确率为99.7%。研究结果表明该方法可有效识别变压器的运行状态,为变压器运维检修提供技术参考。