排序方式: 共有18条查询结果,搜索用时 62 毫秒
1.
为减少电压暂降监测信息的冗余度,本文提出一种应用多变量回归(MVR)和遗传算法(GA)对电压暂降监测点进行优化配置的方法。首先,利用MVR构造合适的适应度函数,通过GA寻优能力获得监测点优化配置向量;其次,按照优化配置向量在对应节点配置监测仪,并结合可观测区域矩阵检查不同故障类型时的可观测性,进一步删除冗余监测点,获得最优配置向量;最后,利用PSCAD V4.2在IEEE30节点测试系统中开展仿真对比实验。仿真结果表明,本文提出方法不需设定阈值电压,仅需2个监测点即可对系统所有故障类型造成的电压暂降实现监测,证明了方法的有效性。 相似文献
2.
3.
为了找到某种途径控制能源消费量,降低能源消费强度,达到降耗和减排的目的,以大连市能源消费为例分析了区域能源消费特征.选取大连市工业统计年鉴中比较突出的11个产业,以这11个产业的生产总值与电力、天然气、原煤、原油的消费量构建面板数据模型,实证分析大连市不同产业对于不同品种能源的消费特征.面板数据分析的结果表明:这11个产业的发展对电力的消费都起着促进作用,并且大连市支柱产业的电力消费水平都比较高;黑色金属冶炼和压延加工业、交通运输设备制造业、电气机械和器材制造业、通用设备制造业对天然气消费影响大;电力和热力生产供应业、非金属矿物制品业、石油化学加工业对原煤和原油消费影响大.通过分析发现,不同产业的发展对不同能源品种消费影响不同,产业结构的调整促进了能源消费结构的改变. 相似文献
4.
电网分区后合理确定区间联络线的选取对于抑制短路电流、合理化电网结构、避免连锁故障的发生具有重要意义。为此,研究了一种基于相对熵组合赋权法的区间联络线选取评估方法。该评估方法选取短路电流、潮流分布、潮流转移、电压稳定和节点短路容量作为综合评价的指标,并且采用整体短路电流水平、潮流熵、潮流转移熵、系统的最大负荷裕度和系统短路容量裕度来定量描述上述评价指标。为避免单一赋权法的局限性,采用相对熵组合赋权法确定各评价指标的综合权重,得到区间联络线选取方案的综合评估值,进而确定最优方案。最后利用PSD电力系统分析软件进行仿真,仿真算例验证了该方法的有效性和可行性。 相似文献
5.
6.
针对传统PWM调制方法应用于超导磁场储能(superconducting magnetic energy storage,SMES)系统中造成的涡流损耗问题,本文提出一种基于预测控制的微电网SMES系统涡流损耗抑制方法。首先,建立了SMES系统离散域预测模型,并以VSC网测电流和母线电容电压为状态变量,推导出了SMES系统的价值函数评估方法。进而,对比了PWM调制和预测控制时直流电流谐波分布规律,并对此时超导线圈中存在的涡流损耗加以评估。最后,基于50 k W样机对SMES系统预测控制方法的可行性进行验证分析,得出高幅值谐波分量将产生高涡流损耗的一般性关系,验证了预测控制方法较PWM调制在抑制涡流损耗特性方面的优越性。 相似文献
7.
信息化环境下供电企业新型能力打造及实施的内涵是紧紧围绕建成企业信息化环境下的可持续发展战略,内强素质、外塑形象,大力实施管理创新,识别信息化环境下的可持续竞争优势,打造与企业战略相匹配的新型能力,对企业生产经营与管理模式进行变革创新,深化两个转变,提升企业信息化环境下的创新驱动能力与核心竞争力,大连供电公司作为国家级两化融合示范企业,以两化深度融合为抓手,全面实施管理体系贯标,2015年首批通过国家工信部现场评估审核,荣获两化融合管理体系评定证书,标志着公司打造的新型能力处于国内领先水平。 相似文献
8.
随着能源需求的不断增长,能源保障体系的管理不当使得城市环境污染越加严重,特别是以火电为主的传统电力生产结构,其煤炭的消耗造成了大气环境的巨大压力。如今,节能减排已经成为了全国民生关注的焦点,如何缓解能源与环境的矛盾更是全球共同努力解决的问题。为此,以国家“十二五”规划的节能减排思想为核心,提出了能源保障绿色风险的新概念,以便通过风险预警的作用为能源部门的决策提供一定的科学依据,从而在环境损失发生前能够采取规避措施。以大连市为例,通过分析大连能流图识别出能源保障绿色风险因子,并利用层次分析法和基准调整的数据处理方法形成风险量化模型,进一步对其进行量化与排序,得到风险事件处理的优先级顺序。结果表明,绿色能源供应水平和可吸入颗粒物浓度对大连市能源保障绿色风险的影响程度最大。大连市应以此为重点,在国家大战略的指导下加快发展核电和天然气,以达到节能减排的最终目的。 相似文献
9.
电能质量扰动信号识别是电能质量扰动参数分析、扰动源定位和综合治理的前提。针对S变换在电能质量扰动信号分析中特征表现能力不足,以及极限学习机随机设置输入权值和隐藏层阈值造成识别准确率低的问题,提出一种基于广义S变换(generalized S-transform,GST)和粒子群(particle swarm optimization,PSO)优化极限学习机(extreme learning machine,ELM)的电能质量扰动信号识别新方法。首先,将粗调、微调和精调因子引入S变换的高斯窗函数中,并根据扰动信号的频率特点调整各因子值,从而获得更具针对性的时-频分辨率,以增强特征表现能力。其次,利用PSO的寻优能力,获取最大适应度时对应的输入权值和隐藏层阈值,提升ELM的识别准确率。最后,根据GST时-频模矩阵生成特征集,对PSO-ELM进行训练并测试其识别能力。对比实验表明,相较于S变换和ELM方法,本文提出方法识别准确率更高、抗噪性更强,能够满足工业环境下的电能质量扰动信号识别需要。 相似文献
10.