期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于馈线终端的配电网可自愈系统研究
1
作者 李超超 赵军 +2 位作者 章宝歌 魏丽娟 肖岩 《河南工程学院学报(自然科学版)》 2024年第3期44-49,56,共7页
10 kV线路发生故障时,经常出现变电站馈线出口开关、线路分段和分支开关同时跳闸的情况,这表明线路开关定值上下级配置不合理。因此,按照变电站馈线出口开关越级跳闸的保护动作类型,对发生越级跳闸的原因和故障类型逐一分析,提出了针对... 10 kV线路发生故障时,经常出现变电站馈线出口开关、线路分段和分支开关同时跳闸的情况,这表明线路开关定值上下级配置不合理。因此,按照变电站馈线出口开关越级跳闸的保护动作类型,对发生越级跳闸的原因和故障类型逐一分析,提出了针对变电站馈线出口开关不同越级跳闸情形的优化方案,缩小了故障造成的停电范围并减少了停电恢复时长。在此基础上,提出了基于馈线终端(FTU)的极差保护+电压电流时间型馈线自动化保护的整定方案,实现了配电网故障自愈功能,针对某县域内经常发生越级故障的线路,应用所提方案后取得了预期的效果。 展开更多
关键词 配网线路 越级跳闸 配网自动化 配电网可自愈系统
下载PDF
基于Petri网的750 kV变电站故障恢复 被引量:3
2
作者 朱文才 董海鹰 +1 位作者 子贡 任伟 《安全与环境学报》 CAS CSCD 北大核心 2017年第5期1710-1716,共7页
对750 kV变电站可能发生的常见故障进行详细分类,并据此建立故障恢复推理模型,以便发生故障时能及时快速恢复供电。通过分析750 k V变电站拓扑结构,采用故障分类和基于Petri网建模的方法,将所有可能发生的常见故障分为母线、线路及变压... 对750 kV变电站可能发生的常见故障进行详细分类,并据此建立故障恢复推理模型,以便发生故障时能及时快速恢复供电。通过分析750 k V变电站拓扑结构,采用故障分类和基于Petri网建模的方法,将所有可能发生的常见故障分为母线、线路及变压器3类。变电站发生故障时,先根据变电站故障诊断结果,再从故障点隔离到恢复非故障失电区域并建立Petri网模型。故障恢复主要对开关进行操作,因此首先建立开关打开和关断的基本Petri网恢复模块,接着从变压器运行方式及裕量情况给出变压器故障恢复的Petri网模型,然后讨论母线和线路故障时不同情况下的故障恢复Petri网模型,最后根据模型推理过程中点火的变迁,将隔离故障点和恢复供电的断路器记录下来,按照Petri网运行的顺序即可给出最终的恢复方案。通过对750 k V变电站各类复杂故障的建模和推理及由此给出的恢复方案,能够及时给出恢复的操作顺序,方便运行人员快速检修。最后通过HPSim软件对代表性故障进行仿真运行,验证该方法正确、可行且及时。 展开更多
关键词 安全工程 故障恢复 750 KV变电站 PETRI网
原文传递
基于精细时程积分法的轨道电路暂态分析 被引量:2
3
作者 祁欢 张友鹏 《控制工程》 CSCD 北大核心 2018年第12期2232-2238,共7页
轨道电路分路不良会导致轨道电路分路态的误判,严重影响列车的行车安全和运输效率。依据传输线理论建立轨道电路传输线的数学模型,提出基于精细时程积分法的轨道电路时域响应求解方法。在此基础上结合轨道电路调整态和分路态的边界条件... 轨道电路分路不良会导致轨道电路分路态的误判,严重影响列车的行车安全和运输效率。依据传输线理论建立轨道电路传输线的数学模型,提出基于精细时程积分法的轨道电路时域响应求解方法。在此基础上结合轨道电路调整态和分路态的边界条件,仿真分析了接收端轨面电流信号的变化情况,并针对不同初始参数对其影响进行了分析。结果表明,利用精细时程积分法求得的时域解符合轨道电路的传输特性;轨道电路在工作状态改变的瞬间,接收端轨面电流信号将发生暂态变化,该过程可作为轨道电路分路态的一种判断依据。可消除分路不良对其影响。 展开更多
关键词 轨道电路 分路态 精细时程积分法 暂态分析
原文传递
基于深度信念网络的光伏阵列故障诊断 被引量:16
4
作者 陶彩霞 王旭 高锋阳 《中国电力》 CSCD 北大核心 2019年第12期105-112,共8页
光伏阵列所处环境恶劣严峻,导致故障频发。为提高光伏阵列故障诊断精度,针对光伏阵列的常见故障类型,提出基于深度信念网络(deep belief networks,DBN)的故障诊断方法。利用Matlab仿真模拟获取实验特征参数,建立以光伏阵列5种运行状态... 光伏阵列所处环境恶劣严峻,导致故障频发。为提高光伏阵列故障诊断精度,针对光伏阵列的常见故障类型,提出基于深度信念网络(deep belief networks,DBN)的故障诊断方法。利用Matlab仿真模拟获取实验特征参数,建立以光伏阵列5种运行状态为输出的故障诊断模型;根据深度信念网络的特点,通过识别实验,分析不同训练集、训练周期以及受限玻尔兹曼机(restricted boltzmann machine,RBM)层数等对模型性能的影响,并从整体诊断精度和各类型故障诊断精度2方面,与模糊C均值聚类(fuzzy C-means clustering.FCM)、支持向量机(support vector machine,SVM)和BP神经网络(back propagation neural networks,BPNN)方法进行对比。实验结果表明,该方法适用于光伏阵列故障分类,相比于其他诊断模型,有效提高了故障识别准确率。 展开更多
关键词 光伏阵列 故障诊断 特征参数 深度信念网络 识别准确率
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部