基于深度学习的110kV电网监控信号语义解析及态势感知模型

新型电力系统的大力建设对电网监控信号的高效准确识别技术提出了更高的要求。首先分析了Soft-Masked BERT语言模型的基本原理,建立了基于Soft-Masked BERT的信号文本纠错模型。根据国家电网典型事件表梳理了包含常规与故障情况下的“信号语义—电网事件”规则字典。综合上述模型建立了基于RNN的电网态势感知模型,提出了基于深度学习的电网监控信号语义解析及态势感知求解流程。最后,以某地110kV变电站实际监控信号为测试数据,利用所提RNN模型并结合Pycorrector工具包及Pytorch软件对该地区电网监控信号进行语义解析及态势感知仿真分析,验证了模型的有效性及正确性。     

基于Amesim-Simulink联合仿真的方程式赛车制动能量回收系统研究

为了提高纯电动方程式赛车的能量利用率和单次充电行驶里程,对有电再生制动能量回收系统的纯电动方程式赛车进行了建模仿真,并配置了相应的控制策略,通过比较是否添加电再生制动能量回收系统和不同控制策略对纯电动方程式赛车速度、加速度和单次充电行驶里程的影响,证明了该系统在保持赛车动力性能的同时能实现制动能量的回收利用,为以后的纯电动汽车的开发优化提供了一条思路。     

基于瞬时功率相平面的柔性直流电网后备保护

基于双端信息的柔性直流电网保护方法具有无需整定阈值、耐受过渡电阻能力强、保护线路全长、可靠性高等优势，可以弥补单端信息保护的缺陷。为实现直流电网线路故障的全范围检测，同时实现后备保护与主保护的协调配合，提出了一种基于故障分量瞬时功率相平面的直流电网线路双端保护方法。首先建立多端柔性直流电网模型，利用回路分析法推导短路故障电流和电压，计算故障分量瞬时功率。然后分析不同故障类型下正负极故障分量瞬时功率的和差特征，分别利用功率差与功率和构造相平面，实现故障区域识别与故障选极。同时通过引入低电压判据，对故障分量瞬时功率重新进行计算，消除线路出口处存在保护死区的问题。该保护方法具有良好的选择性，能够保护线路全长，且具有较好的耐受过渡电阻能力。