课程文献中心 更多>>

关键词： 风力机   机械建模   流体仿真   图表分析  

摘要： 对风力机在不同运行工况下的功率变化进行了研究,首先使用三维建模CATIA软件对风力机进行了建模。之后,将所建立的模型进行网格划分,导入到FLUENT流体仿真软件中,使用FLUENT软件进行仿真计算,得出风力机的应力云图、风速云图和矢量图。根据计算公式与FLUENT软件数据相结合方法,得出在不同转速下风力机功率的变化曲线。得出结论,在风速不变的运行工况下,所建立风力机的功率随着转速的增大而逐渐增大。

关键词： 电力变压器群体   预防性检修/退役计划   老化失效建模   可靠性评估   退化轨迹模拟  

摘要： 随着大规模电力变压器运行年限的增长,其老化问题已日益突出。为提升电网对于老化变压器群体资产管理的工作质效,提出一种计及老化失效与系统可靠性的变压器群体预防性检修/退役计划协同优化方法。首先,基于数据-模型混合驱动的变压器退化轨迹分析技术,建立了一种计及检修/退役影响的变压器老化失效模型。通过动态校正模型中老化阈值及预期寿命两个参数,可定量表征不同时间执行检修/退役措施对变压器可靠性的影响。然后,通过积分离散化推导了变压器老化失效不可用率计算公式,并根据全概率公式建立了系统可靠性指标关于待决策变压器不可用率参数的解析模型。以规划期内的预期检修/退役投资成本、故障处置成本以及可靠性损失成本之和最小为优化目标,建立了计及系统可靠性约束的变压器群体检修/退役计划协同优化模型,并采用基于模拟退火(simulated annealing, SA)-粒子群优化(particle swarm optimization, PSO)的混合方法进行迭代求解。最后,在改进的RTS-79系统上进行算例分析,验证了所提方法的有效性。

关键词： 风电功率预测   最小二乘支持向量机(LS-SVM)   小波分解  

摘要： 随着风能在电力市场的高度渗透,开发高效的风电预测模型成为迫切需求。本文利用历史数据和数值天气预报,应用多种混合预测方法进行风电功率预测,特别对复杂地形风电场的发电量进行了对比研究。研究评估了带有小波分解(WD)的最小二乘支持向量机(LS-SVM)在不同时间范围内的性能,并与其他混合预测方法进行了比较。结果表明,基于LS-SVM和WD的混合方法在大多数情况下优于其他预测方法。通过对均方根误差的分解,深入分析了预测值与实际测量值之间的差异,并比较了不同模型的准确性。此外,研究还进行了敏感性分析,探讨了各输入变量对LS-SVM模型训练过程的影响,并对WD技术下LS-SVM模型的分解成分进行了灵敏度分析。With the increasing penetration of wind energy in the power market, the development of accurate and efficient wind power forecasting models has become a pressing requirement. This paper leverages historical data and numerical weather prediction to apply various hybrid forecasting methods for wind power prediction, with a particular emphasis on a comparative study of power generation in wind farms situated in complex terrains. The performance of the Least Squares Support Vector Machine (LS-SVM) integrated with Wavelet Decomposition (WD) is evaluated over different forecasting horizons, and the results are compared with those of other hybrid forecasting methods. The findings indicate that the LS-SVM and WD-based hybrid approach outperforms most alternative forecasting techniques in most cases. A detailed analysis of the discrepancies between predicted and actual measurements is conducted through the decomposition of root mean square error, and the accuracy of various models is further compared. Additionally, a sensitivity analysis is performed to examine the influence of different input variables on the training process of the LS-SVM model, and a sensitivity analysis of the decomposition components of the LS-SVM model under the WD technique is also presented.

关键词： 关联规则   整流变压器   异常跳闸   故障诊断  

摘要： 整流变压器作为电力工业的主要元件,关乎整流系统运行的可靠性和可用性。当整流变压器发生故障时,若不能及时控制会造成电源中断等问题。为此,提出基于关联规则挖掘与组合赋权—云模型的整流变压器异常跳闸故障的诊断方法。该方法是通过关联规则挖掘技术设定分析流程,以数据支持度和关联规则置信度,定义整流变压器运行数据之间联系性。在组合赋权—云模型中划分数据类型,获取整流变压器异常跳闸的具体特征。应用移相滤波原理计算功率损耗,利用对应特征向量诊断变压器故障,实现异常跳闸故障诊断。实验结果表明,以引起整流变压器异常跳闸的5种情况及正常情况为测试条件,应用所提方法能够及时进行故障判断,并正确分类不同故障类型,具有应用价值。

关键词： 模型预测控制   功率控制   不平衡微网   T型三电平变换器  

摘要： 分布式微网(比如车载微网)的电能质量受到不平衡负载的严重影响,单相负载(不平衡负载)的运行会导致这类系统出现不平衡的系列问题,危及系统的可靠性并缩短其使用寿命。现有控制策略通常局限于抑制功率波动,并未充分考虑电流畸变、公共连接点(point of common coupling, PCC)电压不平衡等问题。针对功率波动问题,基于传统灵活功率控制,对模型预测控制(model predictive control, MPC)的控制层进行了优化,改进了自适应系数的计算方式。在此基础上,设计了双重灵活模型预测控制(dual-flexible model predictive control, DF-MPC),采用新型双层灵活计算结构,优先选择电压平衡效果最佳的控制矢量。该方法在额定功率为10 kW的原型硬件平台上进行了测试。实验结果表明,所提出的DF-MPC方法能够有效抑制功率波动、降低PCC电压的不平衡程度、同时保持较高的电能质量。

关键词： 基尔霍夫电压定律   闭合回路   复杂电路   德国物理学家   电压降   电动势   代数和   基本规律  

摘要： 基尔霍夫电压定律是电路中电压所遵循的基本规律,是分析和计算较为复杂电路的基础,于1845年由德国物理学家基尔霍夫提出。基尔霍夫电压定律是指在任何一个闭合回路中,各元件上的电压降的代数和等于电动势的代数和。

关键词： 变压器   热点温度   温升仿真   支持向量回归   人工鱼群优化算法  

摘要： 针对目前复杂环境下变压器温升仿真效率和精度较低等问题,提出了一种基于传感数据和机器学习的变压器温升虚拟仿真方法。建立了以负载转移系数、负载持续时间、负载率等反映负载变化的瞬态特征量。提出了改进的人工鱼群(IAFSA)优化SVR参数方法描述变压器HST与瞬态特征量之间复杂的多维非线性关系。实验阶段,以500 kV配电变压器作为试验对象,对不同负荷条件和风速下的变压器温升试验和温升仿真进行分析。结果表明,所提方法可有效拟合变压器HST,SSE、MAD、MAPE、MSPE、MSE等指标综合性能明显优于GS-SVR算法。实验论证所提算法的有效性和实用性,该模型具有广阔的应用前景。

关键词： 铸造车间   电炉变压器室   通风   余热利用  

摘要： 针对某铸造车间电炉变压器室,提出了地沟送风+上部机械排风的通风系统设计方案,因地制宜进行系统性设计,针对全年的气候变化进行工况转换和风量调节,在保证变压器正常运转的同时降低通风系统的能耗,并在冬季对电炉变压器室的排风进行了余热利用。

关键词： 5G   智能变电站   变压器保护  

摘要： 在智能电网中,传统变压器保护系统因数据采集延迟、传输效率低、实时监控能力不足,难以满足智能变电站的保护需求。因此,提出基于5G的智能变电站变压器保护系统,包括数据采集模块、通信模块、数据处理与分析模块以及保护执行模块。实验结果表明,设计系统的平均故障检测时间、保护动作成功率、变压器损坏率等性能指标均优于传统系统。

关键词： 光伏   功率预测   STL分解   经验模态分解   长短期记忆神经网络   麻雀搜索算法  

摘要： 光伏中期输出功率的准确预测可以为光伏系统的运维决策、能源招标、并网消纳等问题提供重要依据。为提高预测精度,提出了一种结合局部加权回归的周期趋势分解(seasonal-trend decomposition procedure based on loess,STL)、经验模态分解(empirical mode decomposition,EMD)、麻雀搜索算法(sparrow search algorithm,SSA)和长短期记忆神经网络(long short-term memory neural network,LSTM)的光伏中期输出功率预测模型。首先,对收集到的光伏功率历史监测数据进行数据预处理;其次,利用STL将监测的数据分解成趋势项、周期项和余项;然后,利用经验模态分解,将余项分解,得到不同特征尺度的本征模态分量(intrinsic mode functions,IMFs)和残差(residuals,RES);接着,通过相关性分析得到对光伏输出功率影响较大的环境影响因素,并使用SSA对LSTM进行超参数寻优,对各项分解后的数据集进行预测;再接着,叠加各个分量数据集预测结果,得到光伏中期输出功率预测结果;最后,通过实例分析,将所提出的STL-EMD-SSALSTM模型与其他模型进行比较。结果表明,所提模型预测精度最高,可有效应用于光伏中期输出功率预测。