课程文献中心 更多>>

关键词： 变压器   故障诊断   故障类型  

摘要： 在现代社会,电力作为一种基础能源,对于保障国民经济的发展和人们日常生活的正常进行具有至关重要的作用。作为电力系统不可或缺的组成部分,变压器的性能直接关联到电力系统的整体表现。基于此,本文详细呈现变压器常见故障类型及原因,重点解析变压器常见故障诊断方法。以期为变压器故障诊断起到推动作用,进而保障电力系统稳定运行,提高供电可靠性。

关键词： 变压器   绕组电磁力   响应面法   快速计算   数字孪生  

摘要： 为解决传统有限元法求解绕组电磁力速度慢、模型参数固定等问题,该文提出将响应面拟合计算的方法运用在变压器绕组电磁力的计算上,实现在不同工况的绕组电流下的变压器绕组电磁力的快速计算分析,且能考虑到绕组辐向形变对其所受电磁力的影响。首先,采用有限元软件对一台三相变压器进行参数化建模和“场-路”耦合仿真,由此得出该变压器绕组的电流、漏磁、电磁力分布规律;其次,通过设计的电磁力测量实验设计,比较仿真计算与实验测算的漏磁和电磁力分布,验证该文所建立模型的可靠性。最后,结合试验设计(design of experiments,DOE)和拉丁超立方采样开展绕组电磁力响应面设计,构建绕组辐向、轴向电磁力与特定规律下的绕组形变和绕组电流的拟合关系,并验证响应面计算的精度。该方法能为电力变压器绕组抗冲击能力的提升及电力设备数字化分析提供技术参考。

关键词： AI大模型   新能源发电功率   预测优化   方法   系统  

摘要： 文章就AI大模型技术的新能源发电功率预测优化方法及系统进行探讨,结合AI大模型的核心技术及特点,分析了AI大模型预测优化的方法及预测优化系统,旨在能为新能源发电的发展提供重要的理论支撑和科学依据。结果表明,优化后AI大模型技术的新能源方法,解决了传统预测手段难以全面捕捉和解析气象因素与发电效能之间复杂且多变的互动问题,为电网的稳定运行和高效管理提供了依据。

关键词： 故障诊断   特征提取   卷积神经网络   滤波器   时频图   特征融合  

摘要： 针对传统方法提取到的轴承各类故障特征混杂,部分类别故障不易区分的问题,设计一种双流卷积神经网络(Convolutional Neural Network,CNN)的故障诊断模型。首先将振动信号转换到频域,为减少低频微弱信号的干扰,过滤频域信号,设定滤波器通带和阻带衰减值以保证信号不失真,进而确定频率带宽,在该带宽值下求得信号振幅占比最大值的范围,同时以正常信号振幅平均值作为高频信号的阈值确定频率最高值。用上述参数分别作为滤波器的参数,过滤信号得到频谱信号和构建时频图像。将提取频谱信号和时频图作为模型两个通道的输入,在卷积层和池化层后加入特征融合层,通过加权融合的方式将两个通道的特征融合,使得各类故障特征区分度显著提高。实地搭建故障平台采集数据验证,实验结果表明,该方法能提取到每类故障独有的特征,轴承故障识别准确率达到98.95%。

关键词： 风电功率预测   粒子群优化算法   反向传播算法   多元线性拟合  

摘要： 该模型旨在提高风电功率预测的准确性和稳定性,以应对风电场运行中的不确定性和波动性。介绍了粒子群优化算法、反向传播算法的原理,在此基础上分析影响风电场的输出功率的主要因素,构建数学函数式,通过多元线性拟合,来解析风电功率与相关因素之间的函数关系设计BP神经网络的结构,并利用PSO算法对神经网络的初始权值和阈值进行优化,使该模型能够更准确地拟合实际风电功率与理论风电功率关系。

关键词： 心房颤动   消融术   消融指数   高功率   短时程   超声心动图   并发症   复发  

摘要： 目的探究不同消融指数(AI)指导下高功率短时程射频消融(HPSD)术对心房颤动(AF)患者超声心动图、并发症及术后复发的影响。方法选取2019年11月~2023年10月河源市人民医院行射频导管消融治疗的80例AF患者,采用随机数字表法分为低AI组和高AI组,各40例。2组均行AI指导下HPSD消融术治疗,低AI组消融的目标AI为前壁350~400,后壁320~350,高AI组消融的目标AI为前壁450~500,后壁350~400。比较2组围术期指标、消融效果[肺静脉隔离(PVI)情况、PVI单圈隔离率]、术中气爆(POP)声发生率、手术前后超声心动图指标[左心室射血分数(LVEF)、左心室收缩末期内径(LVESD)、左心室舒张末期内径(LVEDD)、E/A比值]、复发相关标志物[可溶性生长刺激表达基因2(sST2)、尿酸(UA)、成纤维细胞生长因子-23(FGF-23)]水平、围术期严重并发症发生率、近期复发情况。结果高AI组每点消融时间、PVI时间、左心房操作时间、手术时间均短于低AI组的[(13.42±1.28)min比(15.67±1.76)min,(26.58±3.19)min比(29.24±2.42)min,(4.37±1.25)min比(5.16±1.38)min,(121.67±20.35)min比(132.48±22.19)min,P<0.05];高AI组PVI单圈隔离率高于低AI组的(87.50%比67.50%,P<0.05),2组术中POP声发生率无显著差异(P>0.05);术后高AI组LVEF高于低AI组[(69.32±2.15)%比(68.01±2.27)%,P<0.05],LVESD、LVEDD小于低AI组[(25.61±2.29)mm比(27.38±2.53)mm,(44.57±2.54)mm比(46.22±2.86)mm,P<0.05];术后高AI组血清sST2、UA、FGF-23水平均低于低AI组[(45.86±10.29)pg/ml比(53.01±12.30)pg/ml,(286.37±22.05)μmol/L比(302.65±24.18)μmol/L,(165.24±22.97)μg/L比(183.76±25.42)μg/L,P<0.05];高AI组围术期严重并发症发生率、术后3个月复发率分别为与低AI组比较,无显著差异(P>0.05)。结论高AI指导下HPSD消融术治疗AF患者,能优化手术流程,增强PVI隔离效果,促进心功能恢复,抑制复发标志物表达,但近期效果及安全性与低AI相当。

关键词： 过载   变压器故障   气泡产生起始温度  

摘要： 变压器过载运行容易导致油纸绝缘系统产生气泡进而造成故障,但目前只以140℃作为热点温度限值,未能考虑实际运行状态对气泡起始温度的影响,难以充分发挥设备的最大利用效益。针对上述问题,综合国内外油纸绝缘气泡产生起始温度的试验提出了适用于实际工况下的变压器气泡产生起始预警温度计算方法。根据变压器的运行年限、油中水分含量和海拔等运行参数估算出变压器内部油纸绝缘系统产生气泡的起始温度。以该温度的90%作为预警温度,表征变压器能够承受的最大荷载能力。利用贝叶斯网络建立了短期负荷预测模型,结合绕组热点温度计算方法实现了变压器热点温度的短期预测。提出了一种变压器短期过载预警方法,并证实了该方法能够充分考虑变压器的运行实况,对未来的过载情况提前发出告警,指导相关运维部门开展变压器的过载停运和负荷转移工作,减少变压器停运和绝缘故障的发生。

关键词： 模糊理论   变压器   差动保护   励磁涌流识别  

摘要： 为提高电力系统变压器差动保护中励磁涌流识别的准确率和效率,为电力系统持续稳定运行提供科学保障,提出一种基于模糊理论的识别方法。该方法先提取励磁涌流现象的特征量,然后完成模糊的构建,最后利用改进BP神经网络实现网络参数优化,利用训练后的模糊Petri网络模型可实现励磁涌流现象的精准识别。实验结果表明,利用该方法进行识别,准确率均高于96.2%,耗时均低于15.2 ms,优于对比方法,应用效果较好。

关键词： 短期功率预测   K-Medoids-Grey天气分型   改进多元宇宙算法   卷积神经网络  

摘要： 近年来,国家大力推动分布式光伏发电,准确可靠的光伏功率预测对于保证大规模分布式光伏接入电网是必不可少的。当前的分布式光伏功率预测方法尚未充分考虑到气象因素的影响,难以提升预测精度。针对上述问题,提出一种基于天气变化过程的自适应分型与匹配的分布式光伏短期功率预测方法。首先通过K-Medoids-Grey实现天气过程的场景划分,再通过改进的多元宇宙算法对卷积神经网络进行优化,实现分布式光伏的短期预测。以中国甘肃省某分布式光伏用户为例进行验证。结果表明,在测试集中,IMVO-CNN方法在聚类情况下的预测精度比不聚类情况下预测精度提高9.83百分点,验证了该方法的有效性。

关键词： 低电压穿越   扰动功率   能量守恒   参数辨识   频率响应估计  

摘要： 随着风电渗透率的提高,多个风电场同时进入低电压穿越(LVRT)后将给电力系统带来巨大冲击,导致有功输出暂时性下降,电网频率迅速跌落,甚至存在触发低频减载的风险,有必要对暂时性功率扰动下电网频率曲线进行快速在线估计,以制定相应的控制措施。然而,由于风电场内部存在的功率恢复差异使其LVRT曲线呈现不同形态,若忽略此影响将使频率响应曲线估计产生较大误差,且传统基于详细模型的时域仿真效率较低。因此,提出一种计及风电场LVRT有功功率恢复差异的扰动功率解析方法,将风电机组LVRT各阶段造成的有功扰动量采用分段函数进行描述,基于能量守恒原理对系统总的暂时性扰动功率进行精确估计。考虑风电的调频特性和虚拟惯量作用,提出适用于高比例新能源电网的系统频率响应改进模型,并采用差分进化算法对基于实际数据的系统传递函数参数进行辨识,进而拟合出频率响应轨迹。基于IEEE 39节点系统与实际电网简化系统仿真,验证了该方法在不同场景的适用性和可靠性。