【摘 要】
：
为实现变电站建设工程二次电缆敷设长度的准确预测,避免工程建设资源浪费的问题,建立基于迪杰斯特拉(Dijkstra)算法的二次电缆路径优化模型。首先,对变电站的路径环境进行建模,建立栅格地图;其次,通过对传统Dijkstra算法、改进后的Dijkstra算法和蚁群算法分别在栅格地图上进行路径规划,并进行实验仿真与对比;最后,仿真验证了改进后算法规划路径长度比传统Dijkstra算法减少24.32%和28.66%,比蚁群算法减少了12.34%。这为未来变电站二次电缆敷设提供了一些有益的理论参考。
【机 构】
：
湖南工业大学电气与信息工程学院,国网湖南省电力有限公司株洲供电分公司,光伏微电网智能控制技术湖南省工程研究中心
【基金项目】
：
国家自然科学基金(51977072)。
论文部分内容阅读
为实现变电站建设工程二次电缆敷设长度的准确预测,避免工程建设资源浪费的问题,建立基于迪杰斯特拉(Dijkstra)算法的二次电缆路径优化模型。首先,对变电站的路径环境进行建模,建立栅格地图;其次,通过对传统Dijkstra算法、改进后的Dijkstra算法和蚁群算法分别在栅格地图上进行路径规划,并进行实验仿真与对比;最后,仿真验证了改进后算法规划路径长度比传统Dijkstra算法减少24.32%和28.66%,比蚁群算法减少了12.34%。这为未来变电站二次电缆敷设提供了一些有益的理论参考。
其他文献
供水工程建设是一项为人民谋福祉的公益性事业,不仅可以为当地经济发展注入新鲜活力,还能够满足人民生产生活用水需求。然而联系实际,供水工程管理和水源地保护还存在诸多问题,对人民群众生产生活用水也带来一定干扰,需要采取有效措施尽快解决,使供水工程得到良性运转,相应经济、社会和生态效益也能得到有效发挥。鉴于此,对供水工程管理与水源地保护问题的有效对策展开分析。
相对于其他水利枢纽建筑物而言,隧洞是地下工程,属于非露天作业,施工环境和地形地质构造影响对施工影响较大,隧洞施工不确定因素较多、施工条件复杂、施工难度大,而对安全性要求高,合理施工方法的选择能有效保障隧洞和整个工程施工的质量,并降低安全事故发生的风险。文章以某小一型导流输水隧洞为例,对隧洞整个施工工序详细展开论述,为同类型工程隧洞设计施工提供参考依据和借鉴。
超声波局部放电智能传感器大量入网,但缺乏统一高效的校验手段。为提高智能传感器的校验效率与可靠性,结合现有标准提出了一种智能传感器校验技术,利用上位机软件与程控模拟发生器实现自动化校验。该校验方法减少了人员操作,提高了检测效率。
对比不同工况下锯齿尾缘风机流场特性和噪声特性,研究锯齿倾斜角对变压器室通风机气动性能、尾缘流场和噪声特性的影响规律及降噪机理。结果表明,增加锯齿尾缘可延迟边界层分离,减少尾缘涡量产生,尤其在中小流量下效杲更明显。对比原型风机,采用锯齿尾缘可有效降低风机噪声。
针对220 kV输电线路融冰前需检修人员高空搭接融冰电缆头的弊端,提出并研制了一种220 kV融冰接地隔离开关。融冰实践证明该设备操作简便,可快速打通融冰通道,完全消除了检修人员高空作业的安全风险,满足大电流融冰要求。
剩余电流动作保护器需定期进行动作特性试验,而动作特性试验会造成台区大面积的停电。为了解决该问题,提出一种不停电判断剩余电流动作保护器运行有效性的装置,该装置通过标准规约获取剩余电流动作保护器的数据,对比监测终端本身采样的数据,分析判断剩余电流动作保护器采集的数据是否正常、是否存在拒动或误动的情况,并通过实际应用测试有效性。
针对某电厂两台燃煤机组煤耗数据偏差较大问题,对两台机组发电、供电煤耗进行对比评估。通过查验机组运行参数、入炉煤煤质数据、灰渣可燃物、掺配方案、机组指标统计表等数据,基于能耗指标数据,采用耗差法对煤耗影响因素进行分析,同时采用正平衡修正法对供电煤耗数据进行分析和修正计算,最后得出相关结论。
针对某实际500 kV并网静止无功补偿器(SVC)故障率高、维护代价高等问题,研究SVC的无功电压支撑能力及相关处置措施。首先,分析SVC对稳态无功平衡和电压调节的作用,特别是对电网小负荷运行期间无功电压调节的影响。然后,通过对比分析SVC与STATCOM、常规发电机组的暂态电压支撑能力,评估SVC对电网暂态电压稳定的影响。最后,综合考虑SVC的稳态电压调节作用和暂态电压支撑能力、电网安全稳定运行的需求等因素,提出该SVC的处置措施建议。
基于李雅谱诺夫直接法对电力系统的暂态频率稳定进行了分析,指出系统在大干扰下,频率的暂态稳定性与发电机组的原动机运行在静特性的位置紧密相关,求得了暂态稳定的临界频率和吸引域估计值。分析结杲表明,运行在静特性的低频段时,如果系统频率低于临界频率,将发生频率暂态失稳。该研究有助于电力系统设计运行的人员了解系统频率的暂态运行特性,采取措施防止系统暂态频率失稳。
针对配电网线路负荷短期预测存在精度不佳的问题,提出一种基于聚类及趋势指标的长短期神经网络负荷预测方法。首先利用K-Means聚类方法将线路下特性变化相似的配电网台区负荷数据进行聚类重构;此外,按类分别计算负荷历史同期数据的趋势变化指标,并且作为负荷预测模型的输入特征;然后,建立能够传递时间序列信息的长短期神经网络预测模型,通过模型学习训练每类负荷的历史数据及变化趋势,并对测试集进行预测,将每类负荷的预测结果进行叠加得到线路总负荷的预测结果。以湖南某线路负荷数据为基础,预测未来一天96个点的线路负荷数据,经