一种改进的短期负荷预测方法

采用三层BP型人工神经网络来建立短期负荷预测模型,将影响负荷的主要因素:系统的基本负荷、温度的差异、天气的改变和日期的类型(工作日与节假日)作为数据样本,进行网络的自我训练和学习,并且在训练和学习的过程中引入误差反方向传播算法(即BP算法)来修正神经网络的连接权重,从而达到对负荷预测模型的改良和完善,进一步贴近实际的负荷变化。同时,将因电力线路或设备的检修损失的负荷量也作为影响因素进行了考虑,从而得出更精确的预测负荷值。在实际的负荷预测算例中,上述的预测思路得到了较好的印证,其预测的精度也较高。     

成都电网自动电压控制系统的建设与运行

地区电网的自动电压控制(AVC)系统是现代电网无功电压控制的重要手段。介绍了成都电网AVC系统的建设、运行现状,重点阐述了成都电网AVC系统的功能、控制策略和控制流程。最后,结合目前成都电网AVC系统的运行情况给出了AVC系统的发展建议。     

基于解析-数值技术的变压器绕组温度分布计算

油浸式电力变压器的热特性作为变压器设计制造与运行过程屮的重要参量,是衡量变压器在日常负载以及过负载条件下运行寿命的一个重要指标。为此,提出了一种解析技术与数值分析相结合的热模型计算变压器绕组温度分布,计算中所需的变山器内部热源分布以及边界条件由解析逼近定出。将该模型应用于100kVA/5kV温升用油浸式变压器的各种负载情况,并将计算结果与实验室温升试验的结果进行了对比,结果表明:该模型的最大误差为4.5℃,相对误差小于8.7%,能用于实时计算运行变压器的绕组温度分布。同时应用该模型可为运行变压器的热点定位研究提供新的思路。     

500 kV龙王变电站仿真机项目的设想

电力系统不断地向高电压等级发展，要求对运行人员的培训设备也应跟上电网的变化，因此引入仿真培训技术。在对500kv龙王变电站仿真机系统的项目上，先从系统构成的模式上进行比较和选择；并从变电站的实际情况提出对仿真机的要求。