考虑季节性冻土因素的风电场接地系统设计

高海拔地区的风电场在冬季容易形成冻土层,冻土层的土壤电阻率变大,不利于风电机组遭受短路故障时的散流。基于风电机组接地网等电位模型研究季节性冻土因素下风机接地电阻季节系数的影响因素及其影响规律,以及垂直接地极、接地网水平引外对接地电阻季节系数的改善作用。研究结果表明:当接地网位于冻土层时,接地电阻季节系数受土壤电阻率反射系数的影响较大,当接地网位于非冻土层时,接地电阻季节系数几乎不受反射系数的影响;当冻土层厚度小于接地网埋深时,各土壤电阻率反射系数下的接地电阻季节系数基本不变并趋近于1,当冻土层厚度超过地网埋深时,接地电阻季节系数出现跃变式增长,反射系数越小,季节系数跃变越大;当土壤电阻率反射系数较小时,敷设垂直接地极对接地电阻季节系数的改善作用明显,当反射系数较大,地网埋深低于冻土层厚度时,风机接地网通过水平引外互联能够达到良好的降阻效果。     

风机接地装置的冲击特性研究

随着风电场的大规模建设以及风机位置的特殊性,雷电对风机危害的事故愈发频繁,为保证风电机组的安全运行,可靠的接地装置是风机防雷工程中的关键组成部分。以CDEGS软件作为仿真计算工具,通过建立风机接地网仿真模型,比较了雷电流作用下不同形状接地网的冲击特性,讨论了雷电流注入点、土壤电阻率、接地网埋深和雷电流波形对风机接地装置冲击特性不同程度的影响。仿真结果表明:多圆环接地网比单圆环接地网具有更好的散流性,采取接地网中心引流的方式可得到最小冲击接地电阻;土壤电阻率的增大会导致冲击接地电阻增大,不过增大的幅度逐步降低;仅增加接地网埋深对其降阻效果不明显,工程中应根据地理环境选择适当的埋深;对于同一雷电流注入点,当雷电流波前时间缩短时,冲击接地电阻将会增大。采用加装水平接地极和圆环不等间距布置的措施,对风机接地网的降阻效果比较明显,仿真结果对实际工程中设计风机的接地装置有一定指导意义。     

变电站地电位升对低压避雷器的反击仿真研究

变电站地电位升(GPR)是接地系统设计中重要的安全性指标,其限值的确定受高土壤电阻率和大故障电流等因素的严重制约,致使接地电阻难以达到要求,同时过高的GPR易使一次设备中反击耐受能力最弱的低压避雷器遭受损坏。首先指出利用传统过电压方法选取避雷器的不足,并通过电磁暂态计算程序ATPdraw建立反击模型,以常用的6 kV和10 kV无间隙金属氧化物避雷器作为研究对象,对短路故障时的放电电流、吸收能量和不同线路长度对地电容对GPR的耐受能力均进行了仿真。结果表明:当线路对地电容为6μF时,分别布置6 kV和10 kV两种低压避雷器,其承受的GPR限值为8.3 kV和11.83 kV;短路电流直流分量使放电电流瞬间达到峰值,短期内吸收的能量易超过耐受极限;采用多组避雷器并联能提高GPR限值,但随并联组数的增加提高效果将不再显著;线路对地电容的增加使GPR耐受值呈线性递减。     

二次电缆芯线-屏蔽层电位差参数灵敏度分析

为了解双端接地时影响二次电缆芯线-屏蔽层电位差的各参数作用大小,及其各参数与芯线-屏蔽层电位差之间的线性程度,通过Matlab编程对电缆芯线-屏蔽层电位差进行计算分析,将二次电缆芯线-屏蔽层电位差作为目标函数,在函数定义区间内进行各个参数灵敏度分析。计算表明:接地网导体间距参数灵敏度较大,对芯线-屏蔽层电位差的影响作用最强,两者变化情况呈非线性关系,是优化设计的主要考虑因素;地网边长、电缆长度的参数灵敏度系数相对较小,可以在合理的范围内改变这两个参数进行优化,但效果不大;土壤电阻率参数灵敏度较小,芯线-屏蔽层电位差对其变化不敏感,不建议通过土壤电阻率对芯线-屏蔽层电位差进行优化设计。     

微粒群优化算法参数性能实验分析

通过测试实验来分析微粒群优化算法参数的性能,针对算法参数对算法性能的影响进行实验分析,最后给出相关结论并就如何选择合适的算法参数提出建议。     

灰色理论在电力机车机破率预测建模中的应用

将灰色理论应用于电力机车机破率预测建模,结果表明,基本灰色理论用于机破率建模时误差较大。通过对电力机车故障系统的分析,提出用前一时刻误差校正模型的方法,结果表明,校正后的电力机车机破率预测模型满足要求,有利于厂家进行合理的预防性维修,以减小经济损失。     

面向深度卷积神经网络的小目标检测算法综述

小目标检测是计算机视觉领域最具挑战性的问题之一。相比大目标,小目标覆盖面积小,空间分辨率低,可用特征少,检测效果通常不理想。近年来,基于深度卷积神经网络的小目标检测算法蓬勃发展,并在卫星遥感、无人驾驶等领域取得了重大成就。文中对国内外现有的小目标检测算法进行了归类、分析和比较。首先介绍小目标检测的难点和常用的数据集;接着分别从骨干网络、金字塔结构、锚框设计、优化目标、增益组件5个方面系统地梳理了已有检测算法,为进一步改进小目标检测算法的性能提供了思路;然后对现有小目标检测算法进行全面总结,并比较分析了列举算法在常用数据集上的性能;最后介绍了小目标检测的应用前景,并对该领域未来的研究方向做出了展望。