【摘 要】
：
泛在电力物联网是国家电网公司继“坚强智能电网”之后提出的又一国家级电力建设重点方向,对电网的安全运行水平、数据共享与数据安全等提出更高要求。为此,本文研究了一种基于泛在电力物联网的非接触式电能信息采集器。在感知层,提出一种基于电容耦合原理的新型电压传感技术,结合电压取样调理电路实现电压非接触采集;基于高精度电流互感器和取样电路实现电流非接触采集;应用均方根采样算法提升电能信息采集精度;应用基于改进
论文部分内容阅读
泛在电力物联网是国家电网公司继“坚强智能电网”之后提出的又一国家级电力建设重点方向,对电网的安全运行水平、数据共享与数据安全等提出更高要求。为此,本文研究了一种基于泛在电力物联网的非接触式电能信息采集器。在感知层,提出一种基于电容耦合原理的新型电压传感技术,结合电压取样调理电路实现电压非接触采集;基于高精度电流互感器和取样电路实现电流非接触采集;应用均方根采样算法提升电能信息采集精度;应用基于改进FFT的谐波检测算法,通过对信号加窗降低频谱泄露,实现谐波检测。在网络层,搭建无线通信模块Air202,
其他文献
随着智能电网、能源互联网、泛在电力物联网的快速发展,大量分布式可再生能源发电接入电网,电力市场逐步开放,测量单元获取的数据量快速增长,电力系统对安全、可靠、经济、高效、智能、环境友好的运行控制要求也逐步提高。传统方法在此背景下面临一定的挑战,能够处理更高维数据、具有自适应学习能力、可以处理更复杂场景、能够实时在线运行等是电力系统发展的要求。深度强化学习是一种新兴的人工智能方法,融合了深度学习的感知
电力变压器在电力系统中承担着重要作用,其是否正常运行与电网能否可靠供电密切相关。随着坚强智能电网和泛在智能电网建设工作的推进,电力系统的相关状态数据和负载数据以及环境气象数据已逐步完成平台型共享。在数据海量积累的背景下,深度学习以其在多模态维度和长时间尺度序列的数据驱动建模优势,与传统因果分析模型相比,为变压器故障诊断与预测提供了更准确可靠的数据支撑和技术手段。针对变压器各故障类别间案例数量不平衡
套管内引线形变是变压器套管正常运行中的安全隐患。针对目前套管引线检测方法的不足和国内外对套管内引线形变故障研究的欠缺,本文提出将超声波技术运用到套管引线的形变故障检测中去,研发了基于超声去噪的套管引线三维成像检测系统。该系统能够实现对套管引线形变故障的带电检测。首先,针对套管引线形变故障的定检试验存在需要离线检测且灵敏性差的问题,提出了一种利用超声波对套管内引线进行在线故障定位的方法。针对不同变压
随着新能源渗透率的不断增加,大量电力电子变换器的接入使电力系统呈现低惯量、弱阻尼的趋势,导致系统频率稳定性下降。此外,近年来水电机组占比较大的电网中还出现了发电机阻尼不足引起的超低频振荡的案例。虚拟同步机技术使并网逆变器模拟传统同步发电机的运行机制,可以提高电力系统的惯量和阻尼,具有广泛的应用前景。本文研究改善虚拟同步机运行安全稳定性的附加控制技术,并以超低频振荡问题为背景,验证虚拟同步机对系统频
区域综合能源系统的扩展规划问题主要面临短期可再生能源出力和长期负荷增长两类不确定性。忽略任意一类不确定性都将导致所规划的区域综合能源系统可靠性不足或经济效益较低等问题。此外,对区域综合能源系统进行综合评价有利于发现系统存在的问题,明确改进方向,能够为今后的区域综合能源系统规划建设提供指导意见。本文针对区域综合能源系统的不确定性规划问题以及区域综合能源系统的综合评价开展了下述研究工作:(1)首先,基
热电联供(combined heat and power,CHP)机组、电锅炉等能源耦合组件的广泛使用,使得电力、热力和天然气等能源系统之间耦合日益紧密,衍生出的综合能源系统(integrated energy system,IES)旨在充分挖掘能源配合潜力、提高能源利用效率,并推动新一轮的能源革命。区域电热联合系统是典型的综合能源系统,本文以区域电热联合系统为研究对象,围绕稳态分析与仿真以及能量
随着新能源和分布式发电技术的快速发展与应用,现代电力系统的电力电子化程度越来越高,分布式发电(distributed generation,DG)相关(分布式电源、微网等)领域也得到大量关注与研究。在针对含DG系统的仿真研究中,采用电磁暂态详细开关建模,准确度高,应用范围更广,但同时也存在步长要求高、计算量大的问题,给其实时仿真实现带来巨大挑战。为此,本文基于自主搭建的CPU-FPGA平台开展了多
用户侧能量管理系统在用电安全、能耗评估、负荷识别、用电优化等方面发挥着重要作用。为实现这些功能,需要对电器特性进行研究,其关键在于能否构建合理的电器模型对电器的运行特性及用户行为的影响进行描述。本文提出一种电器运行状态模型:首先引入暂态与稳态的概念,将电器状态的运行功率划分为趋势规律和干扰噪声两部分,分别进行建模表达;分析了电器状态转移的原因,主要包括内部的固有运行特性和外部的用户影响,并将电器状
接地网对保障变电站内电力设备正常运行以及工作人员人身安全起到重要的作用。深埋于地下的接地网容易发生腐蚀故障,腐蚀后的接地网接地性能下降,对变电站安全运行造成严重威胁,因此本文致力于接地网故障诊断方法的研究。现有的基于磁场分析的接地网故障诊断方法需要大量的磁场测量数据。为了解决该问题,本文提出了一种基于反演诊断模型的分层诊断方法,并在此基础上开发了接地网故障诊断系统。该方法利用分散的地表测量点磁感应
电网公司的巡检工作主要依靠人工完成,需要大量人力物力,且实时性较差。利用图像识别算法对现场图像进行分析,发现威胁电网安全运行的隐患时及时通知工作人员,能够有效提升巡检效率。利用算法识别巡检图像还面临一些问题。其中,以销钉缺陷为代表的小尺寸目标,使用通用的检测算法难以识别。另外,深度学习发挥其优势需要有效样本达到一定数量,包含隐患的真实样本较少,有时甚至没有合适的样本,往往不能满足深度学习算法的训练