现场电流互感器误差测试间接检定法的研究

小电流间接法检定电流互感器是在小电流状态下测被检互感器的误差和相关参数,并在此基础上外推至额定电流及额定负荷和下限负荷下的误差,无需大电流电源。采用小电流间接法检定现场电流互感器时可能会受到外界干扰,影响测试准确度。改进后的小电流间接法,采用传统比较测差法在小电流下测试并推导误差函数,准确测定被检互感器的励磁导纳和比值差补偿值,有效消除外界干扰的影响,保证了测试准确度,适用于检定现场电流互感器。     

自适应模糊控制和PLC在除尘控制系统中的应用

针对目前除尘控制系统中普遍存在成本高、效率低、运行不稳定等问题,提出了一套基于自适应模糊控制方法,从系统硬件配置和软件设计两方面探讨了Simatic S7—200在除尘控制系统中的应用。实际运行表明,该系统运行稳定、可靠、同时降低了能耗。     

基于PROFIBUS和PLC的碱回收蒸发控制系统

根据岳阳丰利造纸厂碱回收蒸发控制系统的工艺和控制要求,简述了PROFIBUS现场总线的特点及应用,设计了基于PROFIBUS由可编程控制器(PLC)和工业控制计算机(IPC)构成的集散控制系统(DCS).运行表明该系统调节准确,稳定了黑液浓度,降低了能耗.     

基于改进FCM算法的季节负荷谷平峰时段划分研究

鉴于传统的峰谷时段划分中暴露出的用户负荷选取不够精确、分类方法过于简单等问题,论文在充分考虑用户需求响应的基础上,提出了一种基于改进FCM算法的季节峰谷时段划分方法。该方法首先对某地区的年负荷数据进行预处理。然后利用改进FCM算法对各个季节的用电负荷情况进行谷平峰时段划分。最后通过仿真实验证明论文所提方法能够更精确地实现谷平峰时段划分。在实际应用后起到了良好的削峰填谷效果。     

750 kV CVT现场检验误差影响因素分析

为了提高采用比较法进行750 kV CVT现场误差检验的准确性,通过大量的出厂试验与现场检验数据的对比,对检测数据进行统计分析,首次全面系统地分析了750 kV CVT现场检验的误差影响因素,归纳出750 kV CVT现场检验误差的主要影响因素,计算出了各主要影响因素对750 kV CVT比值差和相位差的影响量,总结出750 kVCVT在不同的影响因素下,其比值差和相位差的变化趋势,对现场检验测试和生产厂家出厂试验提出相应的建议和修正值,从而给同类检验工作提供了现场测试方法和经验数据.     

基于PLC的碱回收蒸发工段控制系统的设计

根据某造纸厂碱回收蒸发工段的工艺流程和控制要求,从系统硬件组态和软件设计两方面探讨了Simatic S7-300在碱回收蒸发过程中的应用;针对蒸发工段的出效浓黑液浓度难以控制的特点,提出了黑液浓度基于串级控制策略;利用WinCC组态软件实现上位机监控,模拟现场画面,显示所需监控的现场设备.经过运行表明,该系统调节准确,稳定了黑液浓度,降低了能耗,同时节约了设备投资.     

计及间谐波的电动汽车快速充电装置电能计量

为了减少电动汽车快速充电装置产生的谐波和间谐波对电能计量的不利影响,通过分析快速充电装置模型的谐波和间谐波功率特性,研究了一种基于广义dk-qk坐标变换的电能计量方法。该方法通过坐标变换与反变换可以快速、准确地区分充电装置产生的任意k次谐波和间谐波参数,实现基波电能、谐波电能和间谐波电能的分别计量。通过实验仿真,证明了所提方法的可行性。     

基于间接法的750 kV电容式电压互感器现场检测技术研究

随着电力系统中输电容量的不断扩大,电容式电压互感器(CVT)在中、高压电网中应用日渐广泛。目前检测CVT误差需要谐振升压装置、标准电压互感器、电压负载箱、互感器校验仪等设备,存在设备笨重、工作效率低等问题。该文在分析CVT的数学模型和目前CVT现场误差检测存在不足的基础上,研制了CYTE1型750 k V CVT测试与校验系统,采用电容式电压互感器间接误差测试方法,只需在相对低的电压下测试CVT的参数,再外推至80%~115%额定电压下的误差即可,提高了工作效率,减轻了工作人员劳动强度,保障生产安全,确保测试的准确性。     

熔炼集散控制系统的设计与实现

简要介绍了Prufibus现场总线和工业以太网的基本原理和性能.针对某冶炼厂熔炼车间设备分散、种类繁多、实时监控要求较高等特点,设计了基于Proflbus和工业以太网的集散控制系统(DCS).详细介绍了其硬件构成、软件设计和系统组态过程,它集现场监控、远程监控于一体.实际应用结果表明,该系统具有经济、可靠、控制灵活等优点,提高了企业的生产效率和自动化控制水平.     

基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究

随着电动汽车并网容量的不断增加,面向电动汽车充电负荷准确地开展功率预测对于并网电力系统的经济调度和优化运行意义重大。基于计算机交叉学科的深度学习领域算法不断进步,为准确构建电动汽车充电负荷模型提供高效工具。该文研究一种基于LSTM(long short-term memory)神经网络的复合变量电动汽车充电负荷预测方法,将电动汽车充电负荷历史数据进行预处理,采用LSTM网络对降维后的时间序列进行动态建模,完成电动汽车充电负荷预测。采用实际数据进行验证,结果证明所提方法的有效性。