排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。 相似文献
2.
为实现对EAST中性束注入(Neutral Beam Injection,NBI)器电源系统在线运行状态进行实时监测,论文提出了一个基于FPGA、百兆以太网和C#用户终端的全光纤组网实时故障态监测系统解决方案。系统对中性束注入装置各电源的故障态以及输出波形进行实时采集和组网传输,并拥有用户终端进行监测和控制操作,在中性束装置实验运行测试中获得了较好的结果。系统对于大量分散信号的分布采集和远程监测系统设计具有一定参考价值。 相似文献
3.
低压配电网线损异常的辨识一直以来都非常困难,分布式光伏大量接入配电网,改变了配电网的潮流分布,更加大了低压配电网线损异常的辨识难度。提出了一种针对分布式光伏接入台区线损异常的辨识方法。首先对分布式光伏接入台区开展光伏出力等因素与线损率的灰色关联度计算,找寻光伏相关因素与线损率关联性。其次根据关联性的强弱选择合适的指标进行k-means聚类,并依据聚类结果进行离群点检测,判断台区是否有线损异常的可能性。最后通过对离群点所在簇进行时间离散度分析,得出台区的异常系数,根据异常系数进行线损异常判断。通过对含分布式光伏的典型台区进行验证分析,结果表明:该方法能够有效辨识分布式光伏接入台区的线损是否异常。 相似文献
1