固体氧化物燃料电池传感器检测变压器油中溶解气体定量特性

在线油色谱法是目前公认的发现变压器潜伏性故障的重要检测方法,对变压器运行状态的评估具有重要意义。气体传感器是在线色谱的关键技术。目前,国内外研制了许多油色谱在线监测传感器,但都存在灵敏度不高、线性范围难以满足要求等缺点,上述缺陷限制了在线色谱技术取代传统的离线检测技术。针对上述问题,提出一种固体氧化物燃料电池传感器检测变压器油中溶解气体的方法,介绍了传感器的制备方法、实验方法及步骤,并对油中气体的气敏响应机制进行探讨。在此基础上,基于Nernst方程构建传感器的定量数学模型。实验结果表明,固体氧化物燃料电池(SOFC)检测器技术及该文构建的模型能实现H_2、CH_4、C_2H_4、C_2H_6和C_2H_2的准确定量及高精度测量,对C_2H_2的灵敏度达到1×10~(-7),能较好地解决常规传感器及其定量方法稳定性差、准确性和灵敏度低等问题,具有重要的推广及应用价值。     

蝙蝠算法在含DG配电网故障定位中的应用

针对分布式电源的大量应用与配电网结构的扩大,使故障定位开关函数的建立愈加复杂,传统算法的搜索速度与准确性亟待提高。通过建立改进的开关函数模型,能够满足目前分布式电源广泛接入的现状,处理多DG、多故障的定位要求。通过配电网结构划分降维策略进一步增加了算法的计算速度,建立改进的评价函数,防止故障定位误判。介绍了蝙蝠算法求解配电网故障定位的具体步骤。通过算例进行仿真对比表明,蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有更加快速、准确的全局寻优能力。     

基于蝙蝠算法的电力恢复机组选择多目标优化

目前电力系统恢复机组选择的优化目标通常单一地追求发电量最大,忽视系统的安全稳定运行、机组重要性与恢复机组在系统的全局分布情况。在实际情况下尚不足以保证电力系统恢复的可靠与高效地进行。通过建立联合考虑电压相关安全指标、机组重要性与最大发电量的目标函数,将优化问题抽象为一个多目标组合优化背包问题。通过一定约束条件进行机组预选之后,由蝙蝠算法求解出优化模型的Pareto最优解集。通过算例进行仿真建模与其他算法进行多方面对比后,验证说明了蝙蝠算法在解决此多目标决策问题上的合理性与有效性。