检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

云边协同下的电网脆弱线路辨识方法设计

沈阳工业大学学报 2024年第2期46卷 132-137页

作者：罗伟峰黄建华赖丹辉任彬华深圳大学计算机与软件学院广东深圳518060 深圳供电局有限公司信息中心广东深圳518000

针对以单纯云计算为基础的电网脆弱线路辨识中,存在主节点计算压力大、耗时过高的问题,引入云边协同方法,设计了一种以云边协同为基础的电网脆弱线路辨识方法。以云边协同逻辑架构为基础,将云计算与边缘计算相融合,构建电网脆弱线路辨... 详细信息

针对以单纯云计算为基础的电网脆弱线路辨识中,存在主节点计算压力大、耗时过高的问题,引入云边协同方法,设计了一种以云边协同为基础的电网脆弱线路辨识方法。以云边协同逻辑架构为基础,将云计算与边缘计算相融合,构建电网脆弱线路辨识模型。利用PageRank算法建立DNS缓存,整合云计算下的边缘设备数据源,以基尔霍夫定律为基础,计算不同线路的潮流值,根据潮流结果完成电网脆弱线路辨识。结果表明,所提方法对电网中的脆弱线路辨识性能更强、耗时更短。

关键词：云边协同最优潮流云计算边缘计算功率转移分布因子 PageRank算法脆弱线路

基于TrellisNet和注意力机制的电力设备故障检测模型

在线全文

学校读者我要写书评

暂无评论

南京信息工程大学学报 2024年

作者：罗金满叶思琪王海彬黎玉青封祐钧广东电网有限责任公司东莞供电局物流服务中心南京信息工程大学软件学院广东电网有限责任公司东莞供电局信息中心

电力设备故障检测模型的性能受到多种因素的影响，如故障种类的多样性、故障特征的复杂性和图像质量的差异等。为此，本文提出一种基于TrellisNet和注意力机制的新型电力设备故障检测模型。首先，将长短期记忆（Long Short-Term Memory... 详细信息

电力设备故障检测模型的性能受到多种因素的影响，如故障种类的多样性、故障特征的复杂性和图像质量的差异等。为此，本文提出一种基于TrellisNet和注意力机制的新型电力设备故障检测模型。首先，将长短期记忆（Long Short-Term Memory，LSTM）和卷积神经网络（Convolutional Neural Networks，CNN）进行融合，构建LSTM-CNN来获取图片中的故障特征，以有效区分不同故障类型的特征，并减少噪声和干扰因素的影响。然后，将LSTM-CNN获得的特征数据作为输入，并通过将注意力机制嵌入到TrellisNet中，构建具有高分辨能力的AT-TrellisNet网络来检测不同电力设备的故障类型。最后，选取5种常见的电力设备故障进行模型验证，实验结果显示，本文模型与一些现有的检测模型相比，检测精确率较高，最高可达90%以上，可满足实际电力设备故障检测需求。

关键词：故障检测 TrellisNet 长短期记忆网络卷积神经网络注意力机制图像识别

基于矢量空间状态优化的GIS机械故障检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高压电器 2024年第6期60卷 65-72页

作者：赵宏梅丛培杰李晨涛曲德宇魏宏升广东电网有限责任公司广州供电局广州510620

GIS机械故障产生的声音信号蕴含了大量设备运行状态信息,基于声纹识别技术信号分析方法是实现GIS带电检测和故障诊断的有效手段。文中提取了GIS不同运行工况下的LPCC和MFCC特征向量,F比计算结果表明MFCC是一种更具区分度的特征向量。在... 详细信息

GIS机械故障产生的声音信号蕴含了大量设备运行状态信息,基于声纹识别技术信号分析方法是实现GIS带电检测和故障诊断的有效手段。文中提取了GIS不同运行工况下的LPCC和MFCC特征向量,F比计算结果表明MFCC是一种更具区分度的特征向量。在此基础上,利用了粒子群优化算法的全局搜索能力和进化规划算法的局部调节能力,以粒子群优化为主,引入进化规划算法的变异操作,形成了一种基于矢量空间状态优化的混合优化方法。采用文中提出的矢量量化模型对了110 kV GIS不同运行工况下声音信号进行检测和识别,实验结果表明文中方案得到的码书失真度的均值和方差更小,具有更好的优化性能和稳定性,且同一条件下的识别准确率约为90%~96%,优于经典的LBG迭代算法。

关键词：机械故障声纹识别带电检测粒子群优化进化规划矢量量化失真度全局搜索

基于收缩因子改进PSO算法的J-A磁滞模型参数辨识

在线全文

学校读者我要写书评

暂无评论

电气工程学报 2024年第1期19卷 187-195页

作者：林希张浩民刘振祥广东电网有限责任公司江门供电局江门529000 广州思泰信息技术有限公司广州510000

变压器铁心磁滞特性的准确预测及其模型参数可靠辨识,一直是国内外学者们研究的难点问题。针对现有主流磁化(Jile-Atherton,J-A)模型存在的辨识参量多、计算时间长、容易陷入局部最优解等问题,提出一种基于收缩因子改进粒子群优化(Parti... 详细信息

变压器铁心磁滞特性的准确预测及其模型参数可靠辨识,一直是国内外学者们研究的难点问题。针对现有主流磁化(Jile-Atherton,J-A)模型存在的辨识参量多、计算时间长、容易陷入局部最优解等问题,提出一种基于收缩因子改进粒子群优化(Particle swarm optimization,PSO)算法的J-A磁滞模型参数辨识方法。研究建立以磁感应强度为输入变量的J-A静态磁滞逆模型,提出考虑包含涡流损耗、异常损耗因素下的动态磁滞模型;针对传统PSO算法计算精度低、不易于快速寻优的问题,提出基于收缩因子改进的PSO优化算法,可实现J-A磁滞模型关键参量的快速辨识。所提算法克服了传统粒子飞行速度的限制,兼具全局寻优和局部寻优的特点,易于实现J-A磁致模型的快速参数辨识。通过仿真算例分析,验证了所提改进PSO算法在不同磁密峰值工况下的应用可靠性,且迭代收敛速度和精度均优于传统PSO算法。

关键词： Jile-Atherton模型参数辨识 PSO算法磁滞回线

维普期刊数据库博看期刊

550kV/8000A大容量SF_(6)充气式套管温升特性的仿真研究

在线全文

学校读者我要写书评

暂无评论

高电压技术 2024年第3期50卷 986-993页

作者：王流火陶雄武周俊宏王海燕谢榕昌熊志武广东电网有限责任公司广州510410 广东电网有限责任公司惠州供电局惠州516001

为研究550 kV/8000 A大容量SF_(6)充气套管的温升特性,建立了550 kV/8000 A大容量SF_(6)充气套管多物理场耦合模型,利用ANSYS软件,综合考虑涡流效应、集肤效应、重力作用、热对流、热辐射等因素,计算分析了1.1倍额定电流(8000 A),即880... 详细信息

为研究550 kV/8000 A大容量SF_(6)充气套管的温升特性,建立了550 kV/8000 A大容量SF_(6)充气套管多物理场耦合模型,利用ANSYS软件,综合考虑涡流效应、集肤效应、重力作用、热对流、热辐射等因素,计算分析了1.1倍额定电流(8000 A),即8800 A电流条件下套管的温度场与气流场分布规律,并进行了550 kV/8000 A SF_(6)充气套管的温升试验,验证了仿真结果的正确性。最后仿真分析了外部风速、气体压强、负载电流、中心导体外径等4种影响因素对套管温升特性的影响。研究结果表明:最高温度位于套管内中心导体上部的小孔下方,最高温度为363 K,从整体角度看,套管上方的温度高于下方;仿真结果与试验结果一致性较好,误差在8%以内;套管的温升随外部风速的增大明显降低,但降幅逐渐减小;套管的温升随着气体压强的增大而降低;电流越大,产生的焦耳热越多,负载电流直接影响导体温升;套管的温升随着中心导体外径的减小而增大。研究内容为大容量高压SF_(6)充气套管的设计工作提供了理论借鉴。

关键词： SF_(6)充气套管温升特性多物理场耦合温度场气流场温升试验影响因素

调度操作票自动校验的CNN-BiLSTM方法

在线全文

学校读者我要写书评

暂无评论

核电子学与探测技术 2024年第2期44卷 316-322页

作者：吴奇珂程培军钱韦廷姜浩宇胡佳广东电网有限责任公司广州供电局电力调度控制中心广州510620

基于人工经验的核电厂变电站电力调度操作票校验方法具有主观性强、校验效率低、可靠性不高等问题,为解决上述问题,提出了一种基于卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的操作票自动校验方法。该方法在对操作票文本进行向量... 详细信息

基于人工经验的核电厂变电站电力调度操作票校验方法具有主观性强、校验效率低、可靠性不高等问题,为解决上述问题,提出了一种基于卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用CNN-BiLTSM模型实现操作票文本的深度信息挖掘和校验的自动化。实验结果表明,相比单一模型,CNN-BiLSTM模型的校验精度更高,校验评估综合指标可达95.67%,具有一定的优势。

关键词：卷积神经网络操作票自动校验双向长短时记忆网络

锂离子电池单层电芯内短路建模与热失控触发特性研究

在线全文

学校读者我要写书评

暂无评论

储能科学与技术 2024年第10期13卷 3491-3503页

作者：乔亚军任怡茂谭子健张祎柔吴伟雄广东电网公司广州供电局暨南大学能源电力研究中心(国际能源学院)

锂离子电池内短路诱因复杂，为深入研究内短路引起的电池失效问题须构建合适的精细化仿真模型。本研究以NCM/石墨电池为研究对象，围绕电池内短路失效机理，基于电化学-热耦合物理场，建立了考虑热失控放热副反应的三维单层电芯内短路... 详细信息

锂离子电池内短路诱因复杂，为深入研究内短路引起的电池失效问题须构建合适的精细化仿真模型。本研究以NCM/石墨电池为研究对象，围绕电池内短路失效机理，基于电化学-热耦合物理场，建立了考虑热失控放热副反应的三维单层电芯内短路模型，探究了热失控触发边界，并从内、外部特征讨论了单层电芯内短路-热失控的演变过程。首先利用Arrhenius公式得到内短路触发的四种放热副反应产热量与反应速率，探究对电池温升影响最大的副反应类别，结果表明内短路过程放热副反应中负极与电解液反应总热量最大。进一步分析单层电芯内四种典型内短路形式的热失控触发特性，综合考虑组分材料导电性和导热性，得到铝-阳极内短路危险程度最高，其短路电阻值与热失控触发时间呈现正相关趋势，且临界短路电阻的高温热点区域面积值约为30mm2。模拟结果获得了四种形式内短路临界短路电阻值，并揭示了单层电芯内短路-热失控触发时内部锂离子浓度和温度分布的空间演变规律，相关结果可为研究内短路失效机制和设计安全锂离子电池提供理论指导。

关键词：锂离子电池单层电芯内短路模型热失控触发

同方期刊数据库

基于EEMD-GRU-NN锂离子电池表面温度预测方法研究

在线全文

学校读者我要写书评

暂无评论

储能科学与技术 2024年

作者：叶石丰洪朝锋綦晓吴伟雄谭子健周奇张兆阳广东电网有限责任公司广州供电局暨南大学能源电力研究中心

随着全球可持续能源需求的持续增加，储能电池的安全性愈发重要。准确预测电池温度可以防止电池过热，避免因温度过高导致的电池故障、起火或爆炸，从而提高设备的安全性。为此，本研究提出一种基于集合经验模态分解（ensemble empirica... 详细信息

随着全球可持续能源需求的持续增加，储能电池的安全性愈发重要。准确预测电池温度可以防止电池过热，避免因温度过高导致的电池故障、起火或爆炸，从而提高设备的安全性。为此，本研究提出一种基于集合经验模态分解（ensemble empirical mode decomposition，EEMD）的门控循环单元（gated recurrent unit， GRU）和基础神经网络（neural network， NN）联合预测方法。首先，利用EEMD将锂电池温升数据分解为周期分量和趋势分量，并将其作为监督学习的离线训练目标值；然后，结合电池温度特性选取合适的特征参数作为模型的输入特征，针对分解得到的不同分量，分别构建基于GRU和NN的实时在线预测模型；最后，将两种模型的输出叠加作为最终预测结果，并通过与常见神经网络模型的比较，证明了所提出方法的准确性。实验结果表明，在常温下，本研究提出的方法在各个评价指标上均优于常见模型，预测结果的均方根误差为0.10℃，平均绝对误差为0.075℃，最大误差为0.34℃。此外，在极端环境下，模型的预测能力有所下降，但其误差仍在合理范围内，证明了该模型在极端条件下仍具有较好的适应能力。

关键词：锂离子电池温度预测集合经验模态分解门控循环单元

优化堆叠降噪自编码器用于调度操作票自动校验

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

核电子学与探测技术 2024年第2期44卷 356-361页

作者：区伟健徐策曾传凯蒋宗祺乐庆丰广东电网有限责任公司广州供电局电力调度控制中心广州510620

为实现核电厂变电站电力调度操作票的自动智能校验,提出了一种基于优化堆叠降噪自编码器(OSDAE)操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用优化过的堆叠降噪自编码器实现操作票文本的语义辨析与正误自动化校验... 详细信息

为实现核电厂变电站电力调度操作票的自动智能校验,提出了一种基于优化堆叠降噪自编码器(OSDAE)操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用优化过的堆叠降噪自编码器实现操作票文本的语义辨析与正误自动化校验。实验结果表明,所提方法的操作票校验评估综合指标可达94.88%,是几种方法中最高的,具有一定的优势。

关键词：堆叠降噪自编码器金豺狼优化算法操作票自动校验