电缆故障在线测距中高速同步采集卡精确时标获取方法

为减小全球定位系统(GPS)同步时钟误差对双端行波测距的影响,使电缆故障在线测距能达到实用化水平,提出一种能够获取精确时标的高速同步采样方案。利用GPS时钟无累计误差和高精度晶振频率稳定性高的特点,并将高速采样与秒脉冲捕捉有机结合,通过硬件方式无延时地捕捉秒脉冲以获取精确的时间计数值。对秒脉冲间的计数值进行滑动平均处理和最小方差估计,可获得高精度的时间标签,平均误差可达到30ns。设计中采用复杂可编程逻辑器件CPLD(ComplexProgrammableLogicDevice)实现高速时序控制,并考虑了抗干扰和异常处理措施,提高了系统的可靠性和工作性能。     

杭州经济技术开发区暂态电能质量的监测与分析

针对杭州经济技术开发区内暂态电能质量导致用户生产损失的问题,建立了分布式电能质量在线监测网,对暂态电能质量进行监测,统计评估了监测结果,分析了电压暂降产生的原因,提出了治理和缓解的方案.     

基于PWM技术的高压变频电源

介绍了一种新型的高压变频电源的设计方法。在研究气体放电中，气体放电的特性同其放电电压的有效值，上升速率和频率有着密切的关系。     

基于人工神经网络的智能型自适应保护（Ⅱ）仿真研究

采用一个５００ＫＶ系统的数字仿真模型，对基于人工神经网络的智能型自适应保护进行了检验。仿真结果表明，这种基于新原理的保护具有很好的自适应能力和人工智能性能。另外，汕于人工神经网络是并行运算的，训练好的神经网络的动作时间几乎为零，因此大大提高了保护动作的速度，即改进了快速性。     

基于小波变换的边际电价神经网络预测新模型

提出了一种基于小波变换和群智能演化的神经网络集成预测新模型，对日前交易边际电价进行预测。首先利用小波变换将历史边际电价序列分解为高频和低频部分，并分别构造学习样本作为神经网络集成的输入;然后将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题，其寻优过程采用粗 — 细二阶段学习算法。在第1阶段，采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子，通过粒子速度和位置更新方程进行粗学习，获得多个相对占优的神经网络结构和初始权重并构成神经网络集成单元;在第2阶段，采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习，并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出。美国加州日前交易电力市场边际电价预测算例表明，该预测方法可以获得较高的预测精度，且优于BP神经网络方法和ARIMA预测方法。     

基于CPLD的BP神经网络模型的硬件实现

神经网络的硬件实现已成为人工神经网络的一个重要的研究方向，本文提出一种基于Altera公司的CPLD的硬件实现该BP三层神经网络模型方法并进行了MAX PlusII仿真验证。     

基于小波变换和人工神经网络的保护原理研究

提出了一种利用小波变换提取信号特征,并结合神经网络来识别电力系统短路故障的方法．该方法首先对测量信号作小波变换,提取特征量,作为多层前向神经网络的输入．对不同的输出要求,提出采用不同的神经网络,判断出发生故障的相位、性质和位置．     

小波变换和人工神经网络在电力系统动态等值中的应用

利用小波变换对功角数据进行处理,并用人工神经网络来识别系统中的相关发电机组,能取得较传统的相关识别方法更高的等值精度．以东北电网作算例,证明利用该方法进行电力系统动态等值有很好的效果．利用小波变换和人工神经网络进行发电机相关识别,为电力系统动态等值提供了一种新的方法,也为动态等值实时化提供了一条新思路．     

先导通道粒子温度和击穿机理的分析与计算

本文从理论和电算两个方面分析了气体放电先导阶段中各种粒子的能量温度随时间和空间的变化规律和击穿机理;提出了适用于计算机分析用的气体放电击穿的微观判据;与已有实验结果进行比较,证明本文提出的方法是可行的,结果是正确可信的;提出了解释先导发展的“电子热游离”过程。本文是用电子计算机分析气体放电过程的又一尝试。     

发变组内部短路主保护新判据的探讨

1 前言 以往发变组内部短路主保护习惯采用发差和发变组大差,对于大型机组,根据双重主保护原则,增设变差,一共装设三组纵差保护。 基于下述新的情况,有必要探讨新的内部短路保护判据: (1)对于发电机定子绕组的匝间短路和开焊故障,还必须增设横差或其它保护,过于复杂。 (2)由于现代变压器铁芯材料的改进,空载合闸励磁涌流中二次谐波含量减小;由于系统补偿电容和线路分布电容的增加,使变压器差动保护区内短路故障时的低次谐波(接近二次谐波)含量增大,造成区分内部短路与空载合闸的困难。 (3)大型机组纵差保护的动作电流小于主设备的额定电流,必须附加LH二次断线保护,使差动保护装置更加复杂。