课程文献中心 更多>>

关键词： 电力自动化   变压器检修系统   处理技术  

摘要： 在当前的电力设备管理中,电力变压器所涉及的电力维修状态已经成为一种重要的趋势.本文旨在探讨电力自动化变压器检修系统处理技术,以提高电力系统的运行效率和可靠性.文章主要围绕电力自动化变压器检修系统处理技术的概念、使用要求、技术分析,以及具体应用等方面展开.研究结果表明,该技术在日常直接检修变压器和变压器定期试验检修中具有显著的应用价值.本文的结论为电力行业提供了新的检修技术参考,有助于推动电力自动化技术的发展.

关键词： 速率控制   效用函数   传感器   梯度法  

摘要： 对无线传感器网络的研究是近些年研究的新兴领域.它是由部署在监测区域内大量的廉价微型传感器节点组成,通过无线通信方式形成的一个多跳自组织网络.文章首先介绍了现阶段无线传感器网络的研究成果,建立了传感器的速率控制模型,并用梯度法对模型加以解释,然后 对模型进行了仿真分析.研究结果表明,该模型给出的算法将展现在功率受限的要求下,通过对速率的控制来保证高效用和低能耗.

关键词： 局部阴影遮挡   太阳能电池-超级电容一体化阵列   动态重构   行电压闭环控制   功率补偿   行电流均衡  

摘要： 针对局部阴影遮挡下太阳能电池最大输出功率降低，进一步导致光伏阵列行电流不均衡，功率/电压(P-V)输出特性曲线产生多峰值等问题，提出了太阳能电池-超级电容(solar cell-supercapacitor， SCS)一体化阵列方案，由SCS器件、动态重构拓扑与常规光伏阵列相连接组成。基于SCS器件的超级电容充/放电特性，提出行电压闭环控制策略，根据光伏阵列行电压与最大功率点电压的偏差，以一体化阵列输出功率最大为控制目标，开关矩阵连接方式为决策变量，调整SCS器件与光伏阵列连接方式，均衡光伏阵列各行电流，实现SCS器件对阴影遮挡电池进行功率补偿。搭建9×9的SCS一体化阵列仿真模型，对比分析4种典型动态云层阴影遮挡模式下，TCT、静态阵列重构技术、动态阵列重构技术、SCS一体化阵列的输出特性。结果表明SCS一体化阵列填充因子达77.4 %，功率损耗约18 W，优于其他三种方案。SCS一体化方案有效提高局部阴影遮挡下光伏阵列输出功率。

关键词： SiC MOSFET   可靠性   结温监测   开通瞬态漏源电压   温敏电参数  

摘要： 针对SiC MOSFET结温监测方法普遍存在适用性低和监测困难的问题，本文提出一种基于开通瞬态漏源电压的SiC MOSFET结温监测方法，由于开通过程中功率回路电感的存在，开通瞬态漏源电压可以反映电流变化率，通过理论推导得出开通瞬态漏源电压与结温呈负相关的关系。在此基础上，利用双脉冲实验，建立了基于开通瞬态漏源电压的结温估计模型。与实际温度相比，利用结温估计模型得到的结温具有较高的精度，同时所选择的温敏电参数在开通过程中呈现了负载无关性的特点，且该方法测量和校准简单、无需破坏器件本身，因此适用范围更广。

关键词： 缺陷文本   变压器   实体识别   乱序语言模型   高效全局指针网络  

摘要： 电力变压器缺陷文本蕴含大量与设备可靠性密切相关的信息，可为变压器的智能化运维及寿命周期管理提供重要支撑。依托基于Transformer的双向编码器表示(Bidirectional Encoder Representation from Transformers，BERT)模型，该文提出一种融合乱序语言模型预训练BERT(Pre-training BERT with Permuted Language Model，PERT)与高效全局指针 (Efficient Global Pointer，EGP) 网络的电力变压器缺陷文本实体识别方法。首先，在大规模中文语料库上利用乱序语言模型进行预训练以形成PERT模型。其次，PERT作为语义编码层，以深入挖掘实体内部的语义依赖关系，并捕捉复杂文本中的语言特征；EGP作为信息解码层，专注于精确定位关键信息并提取实体在缺陷文本中的分布特征，进而准确识别缺陷实体。最后，运用PERT-EGP模型识别缺陷文本中包含的缺陷设备、缺陷部件、缺陷部位、缺陷现象和缺陷程度的5类实体。算例结果表明，相较于现有方法，该文方法不仅在成分复杂的复合实体和长文本上效果提升显著，而且大幅缩短模型训练时间，具有更好的文本识别性能。

关键词： 冷链物流   消毒技术   深紫外LED   AlGaN   冰层穿透   新冠病毒消杀  

摘要： 随着全球贸易的迅猛增长，冷链物流已经成为确保食品和药品安全及有效性的重要一环。本研究针对冷链物流中微生物和病毒存活问题，特别是新型冠状病毒（SARS-COV-2）在低温下长时间存活的风险，开发了一种新型的大功率深紫外LED消毒技术。文章首先介绍了基于铝镓氮（AlGaN）材料的深紫外发光二极管（UVC-LED）芯片的设计和制备过程，随后通过控制水的冻结速率制备了不同透明度的冰层，并利用COMSOL软件模拟了光波在冰层中的传播特性。实验部分验证了深紫外LED器件在穿透冰层时的杀菌效果，并评估了其对新冠病毒的消杀能力。结果表明，大功率深紫外LED技术在冷链物流消毒中展现出高效和可靠的性能。本研究的发现为深紫外发光器件在冷链物流消毒领域的应用提供了科学依据，并为未来技术的发展和优化奠定了基础。

关键词： 光伏发电系统   变分模态分解   白鲸优化算法   预测准确度   算法模型  

摘要： 由于气温、方位角、太阳辐照度、气压、风速和云层不透明度等直接和间接因素干扰光伏发电预测，提出了一种结合变分模态分解、改进鲸鱼优化算法和双向长短期记忆神经网络模型（VMD-EBWO-BiLSTM）的多维时序光伏预测模型。首先，对光伏发电的原始数据进行预处理，并利用变分模态分解技术将光伏出力序列分解成不同的本征模态分量；再利用改进白鲸优化算法来优化双向长短期神经网络的迭代次数、中间神经元个数、学习率等参数，使预测模型的误差趋于极小值；最后，根据甘肃省某市真实数据，用VMD-EBWO-BiLSTM模型进行预测。模型仿真结果显示，在不同的气象因素下，相对于原有的算法模型和其他算法模型，VMD-EBWO-BiLSTM模型具有更高的预测准确度。

关键词： 光伏发电   时间序列分解   周期分量   共形预测   分位数回归   区间预测  

摘要： 光伏功率区间预测是准确刻画光伏出力不确定性，保证电力系统安全运行的重要基础。传统光伏功率区间预测依赖特定概率分布假设，而实际光伏功率分布存在异方差性，导致预设概率分布与实际往往并不一致，影响区间预测的准确性及置信度。对此，提出了一种基于时序分解与共形分位数回归的超短期光伏功率区间预测方法。首先，基于NeuralProphet时序分解框架将光伏功率序列建模为趋势分量、周期分量、自回归分量3类线性可加子序列之和。然后，采用分段线性模型、傅里叶级数分解模型、AR-Net模型分别对3类子序列进行拟合建模，通过傅里叶级数分解模型强化对光伏日周期性与季节周期性的拟合能力。最后，通过计算共形分数量化模型预测结果的不确定性，进一步基于共形分数确定预测值的分位数区间，整个过程无须预设概率分布，并可实现对预测区间宽度的动态调整。算例表明，在确定性光伏功率预测任务上，所提方法优于TimesNet、Informer等基于Transformer的先进算法，且日周期与季节周期成分的引入进一步降低了11.65%的预测误差；在区间预测任务上，所提方法在预测区间覆盖率、标准化区间宽度、区间覆盖宽度等指标上均优于传统分位数回归算法。

关键词： 故障诊断   变压器   过采样   领域粗糙集   XGBoost   灰狼优化算法  

摘要： 为提高变压器故障诊断的准确性及降低样本不平衡对模型识别准确率的影响，提出了基于SMOTE和GWO-XGBoost的变压器故障诊断方法；该方法利用SMOTE技术扩大少数派样本，采用非编码比例法构建多维特征参数，并引入邻域粗糙集优化策略以及灰狼优化算法对XGBoost参数进行优化；实验验证显示，该方法显著减少了少数派样本的误判，并展示出高精度、低误判率及稳定性，适用于实际变压器故障诊断应用。