排序方式: 共有31条查询结果,搜索用时 140 毫秒
1.
目前,海上风电场集电系统因电气设备频繁操作或故障所引起的高频瞬态过电压尤为严重。为识别不同类型下海上风电场内部过电压的瞬态特性,该文首先提出一种多尺度数学形态学信号特征提取方法,构建形态学结构元素新算子,运用多尺度数学形态分解方法提取瞬态过电压的高低频成分,构建适用于识别海上风电场内部瞬态过电压类型的时域特征量。再基于所构造的高频特征量和高低频能量比值识别特征量,结合支持向量机分类器模型对典型的内部瞬态过电压分类识别。仿真和试验研究表明,所提出的数学形态学算法相对于传统的小波算法,构造的特征量区分度更明显,可以准确地识别过电压类型,为海上风电场变电站电气设备的电压保护整定和绝缘配合奠定基础。 相似文献
2.
3.
4.
为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。 相似文献
5.
构建适应大规模、高比例新能源的新型电力系统,支持实现碳达峰、碳中和发展目标,是能源电力行业的全局性变革举措;透明电网作为“互联网+智慧能源”的高级形态,在支撑能源转型、促进新型电力系统发展方面具有重大价值。本文提出了透明电网能源生态圈概念,梳理了透明电网的主要业务需求、目标愿景、基本特征,规划了透明电网的发展蓝图;阐述了透明电网关键科学与技术体系,包括增量科技创新要素、涉及的理论与科学方法,进而研判了透明电网关键技术与基础装备所需的感知层、网络层、平台层、应用层技术。研究建议,以“透明电网新基建”为核心,推动能源低碳转型,构建安全高效的现代能源体系;开展小微智能传感器、对接国家工业互联网的软件系统、智能装备、数据驱动的电力增值服务科技专项攻关,尽快形成透明电网关键技术与装备体系。本研究突出了透明电网在实现资源优化配置方面的关键作用,可为电力市场驱动的电力能源生态圈研究提供基础参考。 相似文献
6.
7.
目前,海上风电场暂态过电压研究引起了广泛的关注。为改善现有海上风电场设备模型在高频条件下的局限性,搭建了真空断路器自定义高频合闸模型。考虑并联电抗器杂散电容的影响,建立了典型海上风电场35kV系统模型,用于分析投入并联电抗器过程中在汇流母线及风机端变压器上产生的操作过电压。大量仿真结果与试验显示,海上风电场投入并联电抗器将出现峰值、陡度均高于陆上风电场的操作过电压。针对这种过电压分析了多种保护方案,发现并联安装避雷器和阻容吸收器抑制过电压的综合效果较佳,为海上风电场的设计、关键设备的绝缘保护和日常运维等提供了参考。 相似文献
8.
针对不考虑负荷纵向随机性所导致的数据损失和用户误分类的问题,提出了一种考虑负荷纵向随机性的基于推土机距离(EMD)的用户用电行为识别新方法。该方法通过统计电力用户同一时刻多天的负荷分布情况,从横向和纵向2个角度全面表征用户的用电行为。并结合EMD和欧氏距离度量不同用户用电行为的差异程度。以一组国际通用的居民用电负荷作为算例进行分析,算例结果表明,在横向特性较为相似的用户中,该方法能够很好地提取用户的纵向特性。定性和定量分析均表明,该方法对用户负荷的聚类效果精细合理。 相似文献
9.
基于深度门控循环单元神经网络的短期风功率预测模型 总被引:1,自引:0,他引:1
随着新能源的不断发展,大量大容量风电机组并入电网运行,给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战。提出一种风功率预测模型,该模型以风电场风功率历史数据以及风速、风向等数值天气预报数据作为输入对风功率进行预测。考虑到风功率预测中输入数据的波动性和不确定性,在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN),以提高模型对原始数据的特征提取和降维能力,并引入dropout技术减少模型中的过拟合现象。工程实例分析表明,所提模型在预测准确度和运算速度方面均优于长短记忆神经网络模型。 相似文献
10.
主循环泵作为柔直换流站阀冷系统的核心设备,对于维护阀冷系统安全稳定运行具有重要作用。为了对主循环泵电机的红外图像进行精准定位与状态识别,提出了一种基于改进YOLOv5的主循环泵电机故障检测方法。首先,使用全新的卷积网络ConvNeXt作为YOLOv5的主干网络,提高网络的检测精度;同时,将定位损失函数替换为有效交并比损失函数(EIOU Loss),提高网络在训练过程中的收敛精度;然后,对改进YOLOv5网络使用数据增强、标签平滑、指数移动平均、迁移学习等策略进行训练,提高网络训练效率;最后,设置实验对所提改进方法进行验证,结果表明该方法能有效提高模型的检测精度,模型最终的均值平均精度(mAP)值达到95.82%,可使电机的故障平均检测精度提高至94.34%。 相似文献