课程文献中心 更多>>

关键词： 特高压   换流变压器阀   绝缘结构  

摘要： 随着特高压换流变压器在电力传输中的应用越来越广泛,阀侧出线绝缘结构的电场分析变得尤为重要.本文通过对特高压换流变压器阀侧出线的电场分布进行研究和分析,探讨了不同绝缘结构对电场分布的影响.研究结果表明,在保证电气性能的前提下,合理设计绝缘结构能够有效降低电场梯度,并提高绝缘性能,具有较好的实际应用价值.

关键词： 电力变压器   高压试验   故障   处理  

摘要： 电力变压器是电力系统中的关键设备,对电网的正常运行起着重要作用.然而,由于变压器自身结构特点,其在运行过程中可能会出现故障,对整个电网产生不良影响.因此,进行电力变压器的高压试验和故障处理工作至关重要.本文将介绍电力变压器高压试验的目标,并深入探讨电力变压器的高压试验技术和故障处理方法,旨在确保电力变压器的稳定运行.

关键词： Triple and quadruple metal DSG   Junctionless   Inversion mode   In 0.53 Ga 0.47 As nanotube MOSFET   NEGF   SS   DIBL   Ip  

摘要： In line with Moore's Law and the International Roadmap for Devices and Systems (IDRS), shrinking MOSFET dimensions to the 3 nm technology node requires the introduction and thorough investigation of new device structures and advanced materials. The current study focuses on the implementation of Triple Metal (TM) and Quadruple Metal (QM) gate work function engineering techniques on both junctionless (JL) and inversion mode (IM) Double surrounding Gate (DSG) In0.53Ga0.47As nanotube (NT) MOSFET. The objective is to analyze the drain current (ID) characteristics for a gate length of 3 nm using Silvaco ATLAS 3D TCAD. In order to make a fair comparison between JL and IM In0.53Ga0.47As NT, the doping concentration of TM and QM JL In0.53Ga0.47As NT is tuned to achieve two specific objectives. Firstly, the goal is to produce the same ION as IM In0.53Ga0.47As NT. Secondly, the aim is to achieve the same threshold voltage (VTH) as IM In0.53Ga0.47As NT. It was discovered that the IOFF for JL devices is approximately 2.93 times smaller compared to IM devices in the TM situation, while considering matching ION and VTH. The JL devices have an IOFF that is 12.9 times smaller and an IOFF that is 102 times smaller compared to the IM device for the QM situation. This is achieved by matching the ION and VTH values. It achieves a lesser drain-induced barrier lowering (DIBL) of approximately 28.10 mV/V, a virtually perfect subthreshold slope (SS) of roughly 60mV/dec, and a larger current ratio of ION/IOFF, which is approximately 1.42 x 107.

关键词： 电子系统   高功率微波   效应研究   人工智能   效应数据库  

摘要： 开展电子系统高功率微波（high-power microwave， HPM）效应研究对信息化战争意义重大。本文基于HPM技术发展历程，首先介绍了电子系统面临的HPM威胁；其次，阐述了电子系统HPM效应研究的主要问题，分析了解析法、数值法和试验法的研究现状；最后，探讨了效应研究的下一步发展趋势。当前，针对复杂电子系统开展HPM效应研究仍面临算法和模型优化、数据精确测量等现实问题。传统理论分析方法可与人工智能技术有机融合，提高计算精度和效率。而在大模型技术的驱动下，HPM效应评估技术将进一步发展，有效提升电子系统HPM防护能力。

关键词： 新能源汽车   燃料电池   燃料电池功率-动力电池容量匹配   动力电池  

摘要： 燃料电池功率、动力电池容量是燃料电池动力系统重要参数。为提高动力系统稳定性，提出燃料电池功率-动力电池容量匹配法。采用此方法以动力系统燃料电池功率、动力电池容量为变量，针对不同总质量增程式燃料电池乘用车进行匹配。根据变量对动力电池运行稳定性的影响得出匹配结果，建立匹配结果与汽车总质量的关系。根据燃料电池电流分析验证匹配结果的合理性。结果表明，燃料电池功率-动力电池容量匹配法适用于优化变量提高动力系统稳定性，建立变量与汽车总质量关系，对燃料电池动力系统匹配有参考价值。

关键词： 激光技术   光纤合束器   光束传播法   光束合成  

摘要： 为了研究影响光纤功率合束器整体效能的因素，采用了建模仿真的方法，基于有限差分格式的光束传播法分析了功率合束器不同位置的的光场分布以及光纤数值孔径、纤芯直径和拉锥长度对合束器传输效率的影响。结果表示，在综合考虑传输效率和光束质量的基础上，得到功率合束器的传输效率为97.17%，M2为2.15。输入光纤的数值孔径越大，合束器的传输效率通常越高。但当输入光纤的数值孔径在0.064与0.065之间时，由于引入了损耗较高的高阶模，传输效率反而下降。对比不同输出光纤纤芯直径的传输效率，发现传输效率随输出光纤纤芯直径的增大而增加、随拉锥长度的增加而增加。但在某些区域，由于模式耦合效应和能量扩散，传输效率随拉锥长度的增加而下降。这一结果对于合束器的生产制造是有一定帮助的。

关键词： 矿热炉   电弧模型   牛顿下山法   频率支撑   数字仿真  

摘要： 矿热炉负荷具有单体调节容量大、通信条件好、易于控制以及改造经济低等众多优势已成为电网重要灵活性调节资源，然而当前缺乏有效的矿热炉系统建模和调节特性数字模拟手段。结合工业类矿热炉电气运行实际工况，建立了包含电炉变压器、短网、炉体以及无功补偿的矿热炉供电系统时域数字仿真模型。将决定矿热炉功率调节特性的电极调节环节通过牛顿下山法迭代计算的时变弧长予以表征，基于龙格-库塔算法求解电弧微分方程获得等效时变电阻，实现矿热炉功率调节过程模拟，通过自定义模块封装并与系统模型相连实现时域数字仿真。对交流矿热炉及多种电极控制策略具有适用性，能够广泛用于矿热炉负荷特性的模拟、灵活性资源评估，作为参与电网互动研究的仿真平台。

关键词： 风电功率预测   变分模态分解   BP神经网络   双向长短期记忆网络   组合预测模型  

摘要： 随着绿色能源理念的不断发展，风力发电因其可再生和无污染的特性而成为研究的重点。然而，风力发电的输出存在显著的波动性和随机性，对电网的功率调度构成了挑战。为准确预测风电功率，实现电网的供需平衡和稳定运行，创新性地提出了一种变分模态分解-反向传播-双向长短期记忆网络（VMD-BP-BiLSTM）组合模型作为预测工具。该模型首先利用相邻数据的平均值对原始数据进行异常值检测和替换，然后再对数据进行归一化，以减少不同数据之间的差异和干扰。预处理完成后，采用VMD将历史风力发电功率分解为多个具有不同特征的模态分量。然后，将这些模态分量和对应气象数据等输入到BP神经网络和BiLSTM的组合模型中，并对各个分量进行独立的预测。对西北地区风电站进行风力发电功预测仿真试验，与传统的BP神经网络、BiLSTM、极限学习机（ELM）以及卷积神经网络-长短期记忆（CNN-LSTM）等模型相比，VMD-BP-BiLSTM模型展现出更精确的预测能力。VMD-BP-BiLSTM组合模型为风力发电功率的预测提供了新方法。

关键词： 风光出力预测   相似日聚类   最优Copula函数建模   鲸鱼算法   双向长短时记忆神经网络   概率区间预测  

摘要： 风电、光伏具有较强的随机性与波动性，提高其预测精度对构建新型电力系统具有重要意义。同时，位于同一地区的风光出力还具有明显的时空相关性规律，鉴于这些相关特征，提出一种基于相似日聚类与WOA-BiLSTM-Copula算法的短期风光功率相关性概率区间预测模型。首先，采用K-means聚类算法划分数值天气预报（NWP）数据集，依据Kendall、Spearman相关性系数提取具有相关性的风光联合出力典型相似日场景。其次，针对相关性相似日场景，采用非参数核密度估计法进行Copula建模，确定风光出力最优Copula函数类型。之后，训练鲸鱼算法优化双向长短期记忆神经网络（WOA-BiLSTM），并对风电、光伏功率进行点预测。最后，使用蒙特卡洛法对最优Copula函数采样，基于风光点预测值生成相关性概率预测区间。仿真结果表明：本文模型可以有效提取风光出力相关性特征，与现有模型相比精度更高，验证了模型的有效性。