一起大中型电炉变压器突发故障的分析与检修

本文中作者分析了一起用于工业生产的大中型电炉变压器的故障原因,通过现场检修的数据记录和问题分析,提出了一种变压器故障的现场检修方案。     

基于用电模式和字典学习的电器负荷分解方法

负荷分解是获取电器用电细节、分析用户用电行为的重要手段,有利于加强智能电网的需求侧管理。针对当前非侵入式负荷分解研究缺乏考虑电器用电模式、模型迁移能力弱的问题,提出一种基于用电模式和字典学习的电器负荷分解方法。通过聚类提取电器的典型用电模式,根据待测住宅内电器所含用电模式,执行字典学习算法训练各电器的模式字典,再利用模式字典对总负荷进行稀疏表示以实现负荷分解,测试数据集上的分解结果验证了所提方法的准确性以及在住宅迁移上的性能。     

锂电池热管理系统多物理场耦合数值模拟研究

电池组温度对锂离子电池的工作性能和使用寿命等特性影响很大。为研究电池放电倍率以及冷却液流速对电池热管理系统温度分布的影响,本文以18650锂离子电池为研究对象,采用有限元方法仿真分析了在不同放电倍率、不同流动速度下的BTMS温度分布情况,分析造成温度和温差过高的原因。研究结果表明：当冷却液流动速度相同时,放电倍率越大,电池单体温度越高;当冷却液速度在0～0.05 m/s范围内时,增大冷却液流速,电池组最高温度降低越显著;当流速大于0.05 m/s后,冷却液流速越大,电池单体间温差越小,但冷却效果也在逐渐变差。     

基于改进深度学习的电表终端故障图像识别方法

针对常规运维模式越来越难以满足电表终端高效可靠运营需求的问题,文章提出了一种基于改进深度学习的电表终端故障图像识别方法。在分析现有基于深度学习电表故障识别方法的不足的基础上,介绍了改进深度学习识别方法的思路。进一步设计了改进深度学习识别方法,具体阐释了深度学习分类网络、电表终端检测网络、组态匹配三个主要技术环节。最后以一个算例,介绍了改进深度学习的电表终端故障图像识别方法的应用情况,证明了该方法的有效性。     

退役锂离子电池老化机制及其健康状态表征

退役三元锂离子电池的老化机制和健康状态(SOH)快速准确表征是其梯次利用研究的热点之一。文中采用循环老化实验、增量容量分析(ICA)、主成分分析(PCA)等方法研究特斯拉21700型退役三元镍钴铝(NCA)锂离子电池的老化特性和衰减机理，并建立其健康状态评估模型。研究结果表明：活性材料损失(LAM)和活性锂损失(LLI)是电池容量衰减的主要原因。通过提取IC曲线上的特征参数作为健康因子，并采用主成分回归方法(PCR)对健康因子进行降维处理，得到基于ICA-PCR的SOH评估模型。验证结果表明：所建立的SOH评估模型精确度高，其SOH估计误差在2.5%以内，能够实现梯次利用过程中电池SOH的快速准确评估。