排序方式: 共有30条查询结果,搜索用时 125 毫秒
1.
于立涛 《电力系统保护与控制》2004,32(16):57-59,84
针对南京路变电站35kV系统电容电流过大、中性点经消弧线圈接地暴露出的问题,制定了两种经小电阻接地的改造方案,采取在变压器角形接线侧增加Z型接地变和中性点电阻的方式。根据南京路变电站35kV侧为双母线接线且需并列运行的特点,对Z型接地变的设置方案及容量选择、运行操作等方面需注意的问题进行了探讨,对经小电阻接地的主变压器差动保护的几种配置方案进行了分析比较,提出了一种新的适合小电阻接地系统的主变压器差动保护方案。 相似文献
2.
基于Bagging的双向GRU集成神经网络短期负荷预测 总被引:2,自引:0,他引:2
为了提高电力系统短期负荷的预测精度,提出了一种基于Bagging算法的双向加权门控循环单元GRU(gated recurrent unit)集成神经网络短期负荷预测模型.对双向门控循环单元BiGRU(bidirectional gated recur?rent unit)神经网络两个方向的隐含层状态进行加权求和处理,使得对负荷点的预测可以同时考虑过去和未来的信息.通过Bagging算法对双向加权GRU神经网络进行集成处理来提高模型的泛化能力.按照某地区真实负荷数据,并与反向传播BP(back propagation)神经网络、长短期记忆LSTM(long short-term memory)神经网络、单向GRU神经网络和双向GRU神经网络进行对比可以得出,所提模型有更好的预测效果. 相似文献
3.
针对传统神经网络经常无法满足短期负荷预测的实际应用要求,本文提出了基于Bagging算法和Elman神经网络结合的电力系统短期负荷预测模型。把经预处理过后的数据分为原始训练集和测试集,然后通过Bootstrap方式在原始训练集中随机抽取若干个子训练集,并建立相应的Elman神经网络负荷预测模型,并将子训练集分别用于训练不同的网络模型,最后利用测试集进行预测,最终的预测结果取不同模型预测结果的平均值。利用训练不同模型的Bagging算法,消除Elman神经网络的不稳定性,提高了预测模型的精度和稳定性。通过某城市负荷预测的实际算例,对所提出的预测模型与单一的Elman神经网络预测模型进行对比分析。分析结果表明,基于Bagging算法和Elman神经网络融合的预测模型具有较好的预测精度和稳定性。该研究具有一定的应用前景。 相似文献
4.
5.
于立涛 《电力系统保护与控制》2004,32(16)
针对南京路变电站35 kV系统电容电流过大、中性点经消弧线圈接地暴露出的问题,制定了两种经小电阻接地的改造方案,采取在变压器角形接线侧增加Z型接地变和中性点电阻的方式.根据南京路变电站35 kV侧为双母线接线且需并列运行的特点,对Z型接地变的设置方案及容量选择、运行操作等方面需注意的问题进行了探讨,对经小电阻接地的主变压器差动保护的几种配置方案进行了分析比较,提出了一种新的适合小电阻接地系统的主变压器差动保护方案. 相似文献
6.
7.
8.
220 kV午山数字化变电站应用研究 总被引:1,自引:1,他引:0
介绍了220 kV午山数字化变电站系统:室内为GIS组合电器,断路器为液压弹簧机构.全站的保护测控设备均选用新一代全面支持数字化变电站的微机保护测控装置.220 kV系统配置的是罗氏线圈原理和电容环分压原理的电流、电压组合式电子互感器;合并单元到间隔层设备间的数据通信在午山数字化变电站中采用IEC60044-8规约,在合并单元和保护装置之间采用光纤串口传递数字信号,同步方法采用插值同步方式.午山数字化变电站的35 kV系统的互感器采用低功率线圈原理的电流、电压电子式互感器.微机监控系统采用分层分布式结构,分为站级监控层和间隔级监控层.论述了午山数字化变电站的验收和运行事项以及常见的问题. 相似文献
9.
220 kV李山变电站为气体绝缘金属封闭开关设备(GIS),该站220 kV母线故障比较罕见,造成母线保护连续动作2次。文中提出了事故分析的方法,通过对故障后装置的录波数据和报告进行分析,将故障数据与理论计算数据进行比较,并根据母差保护的动作行为正确判断出故障点的位置,确保迅速恢复对非故障母线和线路的供电。 相似文献
10.
从保系统、保主设备的角度出发,针对现有小电源解列保护提出了整定原则,并分析了故障解列装置与系统低频减载装置的配合问题. 相似文献