课程文献中心 更多>>

关键词： 智能变电站   变压器保护   通信配置   信息流分析   知识图谱  

摘要： 智能变电站是智能电网的关键节点,其变压器保护配置的合理性与可靠性非常重要。针对传统配置方法存在的工程应用效率低、流程繁琐等问题,本文提出了一种基于通信地址的智能变电站变压器保护配置新方法。该方法通过信息流分析、通信链路参数优化设置、数据集规范化定义等关键技术,实现了保护配置的自动化与智能化,并引入知识图谱技术,解决了扩建改造中的参数自适应问题。试验结果表明,该方法能有效提升保护性能,具有显著的工程应用价值。

关键词： 共晶镓铟合金   液态金属   非线性电阻   广义加性模型  

摘要： 通过搭建电化学反应装置,研究电化学条件对氢氧化钠溶液中共晶镓铟合金(EGaIn)电阻的影响。实验结果表明,EGaIn电阻在多变量影响下(EGaIn体积、电极电压、NaOH溶液浓度和电极直径)发生非线性变化。采用广义加性模型(GAM)系统分析多变量的交互作用,以揭示各因素对电阻的非线性影响。与传统的线性回归方法相比,GAM能有效处理多个变量之间的交互效应。研究结果对于提高环境监测、能源存储、工业过程控制、智能穿戴设备等多个领域电化学传感器的效率和安全性具有现实意义。

关键词： 聚焦解决模式   心理护理   心脏磁共振检查   焦虑   成功率  

摘要： 目的探讨基于聚焦解决模式心理护理对心脏磁共振检查患者的焦虑情况及检查成功率的影响。方法选取该院收治的70例预行心脏磁共振检查患者作为研究对象,按到院顺序随机分为对照组和研究组,各35例,分别赋予2组常规心理护理和基于聚焦解决模式心理护理干预,对比2组的焦虑情况及检查成功率。结果研究组的焦虑情况(焦虑心境、紧张、害怕、抑郁心境、认知功能、躯体性焦虑、会谈时行为表现)评分均显著低于对照组,差异均有统计学意义(P<0.05)。对照组检查成功率为77.1%(27/35),研究组为97.1%(34/35),研究组检查成功率显著高于对照组,差异有统计学意义(P<0.05)。结论基于聚焦解决模式心理护理可有效改善心脏磁共振检查患者的焦虑情况,保障检查成功率。

关键词： 深度学习   变压器   故障   继电保护   快速响应方法  

摘要： 常规的继电保护响应方法以变压器故障状态识别为主,响应方式存在一定的局限性,容易出现继电保护响应误动作的问题。因此,设计了基于深度学习的变压器故障继电保护快速响应方法。辨识变压器故障继电保护电流回路隐藏故障,及时发现并处理电流回路中的隐藏故障,确保保护系统能够准确、可靠地检测变压器故障。基于深度学习整定变压器继电保护快速响应参数,根据变压器的实际运行状况和故障特征,自动优化和调整继电保护的整定参数,实现快速、准确隔离故障的目标,避免出现误动或拒动的情况。采用对比试验,验证了该方法的保护响应更快速,继电保护安全性更高,能够应用于实际生活中。

关键词： 卷积神经网络   长短时记忆网络   光伏发电   预测精度  

摘要： 随着可再生能源需求增长,光伏发电因清洁低碳受到关注,但其功率输出受天气影响较大,预测存在不确定性,影响电网稳定性与经济效益。本文提出一种改进型卷积神经网络与长短时记忆网络相结合的混合模型,通过CNN提取空间特征,LSTM捕捉时间序列中的长期依赖,提高光伏功率预测精度。基于多组真实数据集的实验表明,该模型在均方根误差与平均绝对百分比误差等指标上显著优于传统方法,为电网调度优化和光伏系统经济性提升提供了技术支持。

关键词： 光伏发电   数字孪生   功率预测  

摘要： 光伏发电作为新能源发电的核心组成部分,因其具有绿色环保、持续长久等特性,近年来受到了广泛关注与应用。然而,其输出功率易受气象条件影响,具有波动性等特点,给电力系统的调度与正常运行带来了挑战。基于此,提出了一种基于门控循环单元(Gate Recurrent Unit,GRU)的光伏发电功率短期预测数字孪生模型,该模型以构造基于GRU的预测组件为核心架构,采用优化后的GRU网络对光伏发电功率进行深度分析与预测,并在多组采集到的孪生数据上进行结果验证。实验结果表明,所提模型显著提高了短期光伏发电功率预测的精确度,相较于传统预测方法具有更高的准确性与鲁棒性。

关键词： 自给能中子探测器(SPND)   瞬发电流   NECP-Bamboo   堆芯最佳功率估计  

摘要： 三代压水堆堆芯运行中根据自给能中子探测器(SPND)响应电流快速获得总功率,称之为最佳指示功率估计。现有技术基于钒SPND的总电流与总功率间的线性关系假设(称之为总电流估计法),因无法区分不同电流组分的时间响应,而无法适用于瞬态运行过程。为了提升对运行过程的监测能力,基于压水堆堆芯分析软件NECP-Bamboo中的SPND响应电流计算功能,提出了基于钒SPND瞬发电流的最佳指示功率估计方法(称之为瞬发电流估计法),同时用于瞬态和稳态运行过程,并与已有方法进行了定量对比分析。数值结果表明:(1)在稳态运行过程中,总电流估计法和瞬发电流估计法给出的最佳指示功率偏差均小于1%额定功率;(2)在堆芯快速降功率(RPR)棒组落棒的瞬态过程中,总电流估计法的偏差大于50%,而瞬发电流估计法的偏差小于1%。

关键词： 双馈风电场   主变压器保护   合成矢量   励磁涌流   电流互感器饱和  

摘要： 双馈风电场故障穿越的过程中,风电场侧提供的短路电流存在频率偏移现象,导致基于傅里叶算法的相量提取存在误差,二次谐波制动元件可能误动作,使得差动保护长时间闭锁。提出了一种基于电流合成矢量轨迹特性的新型时域保护方案。针对变压器区内故障和区外故障的本质差异,分别构造2种合成矢量,并根据各自合成矢量的轨迹特性设计保护方案。在PSCAD/EMTDC中搭建双馈风电场送出系统控制和保护的仿真模型。实验表明,所提方案能识别各种区内故障,且不受励磁涌流、区外故障伴随电流互感器(current transformer,CT)饱和以及区外故障伴随CT测量误差的干扰,最快15 ms即可动作且平均动作时间小于一个工频周波。

关键词： 聚合物   高温高压   状态方程   相变  

摘要： 聚合物是现代社会最实用的材料之一,也是含能材料领域的研究热点之一。随着应用范围的不断拓展,聚合物材料的服役环境日益极端。然而,到目前为止,人们对聚合物在高温高压极端条件下的状态方程和结构相变等重要物性还知之甚少,一定程度上限制了聚合物在更广阔领域的应用。聚合物自身的混合相态和多尺度分级结构给其在极端条件下的结构和物性研究带来了巨大的挑战。本文概述了近年来高温高压条件下聚合物状态方程和相变研究领域的进展,指出了目前聚合物状态方程和相变研究所面临的问题,以及现有实验技术的局限性,最后,从实验上提出了相关问题的潜在解决方法,希望对今后高温高压极端条件下聚合物状态方程和相变研究有所裨益。

关键词： 光伏发电   遗传算法   蚁群算法   BP神经网络   参数优化   功率预测  

摘要： 提出一种基于混合遗传蚁群算法(GA-ACO)改进BP神经网络的预测模型.通过皮尔逊相关系数公式求出与光伏发电输出功率相关性强的气象特征作为训练模型的输入,减少无关气象特征量对光伏输出功率的预测影响.运用遗传算法(GA)产生寻找最优参数问题的信息素分布,蚁群算法(ACO)在有初始信息素分布的条件下输出最优权阈值,让BP神经网络二次训练,输出预测值.分析结果表明,以晴天为例,GA-ACO-BP神经网络模型比传统BP神经网络模型、ACO-BP神经网络模型、GA-BP神经网络模型的预测结果相对误差分别减少了9.47%、4.83%和3.27个百分点,因此GA-ACO-BP神经网络模型用于光伏发电功率预测时具有更好的预测精度.