论文部分内容阅读
研究分析了5G基站节能站点增强型节能的技术方案。主要采用AAU设备关断的方法,实现设备关闭期间断路器保持分闸状态,减少AAU能耗的效果。设计开发了一套基于物联网技术的智能型微型断路器,包括断路器和网关模块,实现设备端时段分合闸控制。最后通过实际案例数据,论证该方法在实际基站节能降耗的效果。
基于5G基站节能技术的智慧型断路器研究与设计
【摘 要】
：
研究分析了5G基站节能站点增强型节能的技术方案。主要采用AAU设备关断的方法,实现设备关闭期间断路器保持分闸状态,减少AAU能耗的效果。设计开发了一套基于物联网技术的智能型微型断路器,包括断路器和网关模块,实现设备端时段分合闸控制。最后通过实际案例数据,论证该方法在实际基站节能降耗的效果。
【机 构】
：
浙江天正电气股份有限公司
【出 处】
：
电工技术
【发表日期】
：
2021年18期
其他文献
转子位置信息的精度影响高速永磁同步电机的运行性能,在高速运行条件下,转子位置估算容易受到环路滤波器和电机参数偏差等非理想因素的影响。首先,针对转子位置估算误差,该文提出一种自适应基准锁相环,主要思想是锁相环通过误差重构,实现对基频相关误差补偿。在此基础上,以最小电流为目标自适应调节锁相环的锁相基准,实现对非基频相关误差的补偿,最终实现对位置误差的全补偿,该方法实现简单、参数依赖性低、鲁棒性强。最后,基于一台高速永磁同步电机进行仿真与实验,结果验证了所提出方法的有效性。
为解决新能源发电在电力输送和综合消纳方面存在的问题,阐述了氢能发展产业链中氢的制备、存贮和应用。结合风电、氢能技术特点及现状情况,以提高太阳能、风能资源的综合利用率为目标,对氢能发展模式进行研究。综合分析表明,对氢能发展模式应用探究能提升新能源发电消纳能力,提高能源利用率,同时生产高品质氢能,提高太阳能、风能资源综合效益,为开展氢能产业链发展模式研究奠定基础,为氢能在新能源领域发展提供方向。
随着经济的发展,人民生活水平的逐步提高,空调等用电设备的使用量逐年增加,直接导致气象因素对电力负荷的影响越来越大。夏季大量使用空调器带来的调温负荷被证明与气温、湿度、风速等气象因素密切相关。LSTM作为基本模型对电力负荷数据进行预测可最大限度地挖掘数据之间时序性与非线性的关系。但是此网络容易忽略影响因素导致负荷数据突变的情况。基于分钟级别气象因素进行综合建模分析,通过体感温度的变化得到负荷的变化值,并通过LSTM得到负荷的时序预测值,再得到最终的预测值。预测结果表明,该方法能有效提高短期负荷预测精度,是一
随着大量新能源场站的投运,提高新能源场站的电力监控系统网络安全防护水平成为了一个重要课题。从新能源场站电力监控系统体系结构、系统本体、物理安全及安全管理四方面阐明了网络安全防护的薄弱点,并根据生产过程中的典型案例,明确了相关防范措施手段,提出了提高新能源场站电力监控系统网络安全防护水平的若干建议。
基于STM8单片机设计了一种无线低功耗温湿度监控终端。该产品具有精度高、功耗低、通信距离远、安装与组网方便等优点,具有较高的实用价值。
交直流混合微网中AC/DC接口变换器通常采用下垂控制,常规下垂控制不具备惯性和阻尼环节,对此提出一种基于交、直流微网功率传输原则的虚拟同步机控制(Virtual Synchronous Generation,VSG)策略,建立其小信号模型,分析转动惯量及阻尼系数对控制系统稳定性能的影响。针对传统VSG无法抑制交直流微网功率交换过程中的功率振荡,提出一种采用双自适应虚拟参数的VSG控制策略用于交直流混合微网AC/DC接口变换器控制系统,并通过小信号模型分析法确定额定虚拟参数取值范围。最后通过MATLAB/S
基于电化学储能系统安全运行和易于集成的角度,提出多层级保护的电化学储能系统集成技术,实现电化学储能系统分层控制和数据采集,提高了电化学储能系统的可靠性,降低了系统集成复杂度。
综合管廊工程设计的内容极为庞杂,电气控制方案设计需结合管廊的整体特征进行灵活多变的方案调整。结合以往工程案例,采用PLC及组态软件集成管廊ACU系统并实现对管廊排水与通风系统的监控,部分改进综合管廊内部信息的采集及传输方式,采用485总线和5G网络并行传输的方式实现高效快速的信息传送。
为改善临界连续导通模式(BCM)Boost功率因数校正(PFC)变换器输入电流总谐波畸变率(THD),该文提出一种改进恒导通时间(COT)控制,分析改进COT控制对输入电流THD和变换器效率的影响;通过改进电流过零检测(ZCD)电路实现电感电流过零信号的提前检测,补偿信号传播延时的影响,缩短甚至消除反向谐振过程,改善输入电流THD的同时不增加控制的复杂度。最后,该文搭建一台160W BCM Boost PFC变换器实验样机,验证所提改进COT控制的可行性和有效性。
超参数的取值对机器学习的模型效果有至关重要的作用。如果根据德尔菲经验法来人工选择超参数,那么需要充足的相关经验、大量的精力以及不可控制的运气成分。深度强化学习的超参数配置最理想的状态是可依据当前所面临的学习状态进行自动调整,并非在多种状态下只使用同一组配置好的超参数。基于此,提出一种基于群体的超参数自动调整算法(PBT)。PBT是参数随机搜索及人工调优这两种使用频率最高的超参数优化方法的结合,其在搜索参数的同时训练并优化参数网络,从而能快速准确地找到最优参数。超参数自动调整的方法可大幅缩短模型构建时间,提