一起换流站直流避雷器击穿的原因分析

针对银川东换流站直流滤波器避雷器击穿故障,根据实测数据与仿真结果对差动保护动作过程进行分析,找出故障原因。分析结果表明:直流滤波器高压避雷器不能满足技术协议对最小特性的要求是造成故障的主要原因;应结合实际使用的保护策略确定直流输电工程设备的绝缘水平,并将其控制在合理的范围内。     

新型换流阀均压测试方法的研究与实现

介绍了常规晶闸管组件均压测试方法,分析了晶闸管常规测试方法存在的问题。并依据当前测试方式存在的问题,提出了一种新的换流阀均压测试的方法,该方法解决了晶闸管在高频、低频及直流电压作用下的均压效果测试问题,能快速发现并定位故障元件,相比常规测试方法,提高了测试效率和测试准确度,保证了换流阀长周期安全稳定运行,避免了因为晶闸管故障导致的直流系统闭锁事故。     

异源特征差异化融合引导的变电站场景语义分割

变电站场景图像语义分割能够为巡检机器人提供像素级的场景理解,是变电站智能化巡检、管控的关键步骤之一,但由于设备种类众多、背景环境复杂,仅依赖单一模态图像的语义分割方法准确性受限。针对该问题,提出一种基于多尺度特征差异化融合的语义分割网络,根据不同层次、不同模态特征图的特点,利用差异化的融合策略,提取红外与可见光图像在空间细节与语义信息的互补内容,从而利用融合信息引导解码过程,实现稳定的异源图像语义分割。为了验证算法的性能,利用无人机与机器人平台采集大量异源图像,手工标注并构建了数据集。实验证明本文提出的算法可以准确识别各类电力设备,对于保障电力系统安全稳定的运行具有实用价值。     

基于深度学习的不规则特征识别检测技术

针对目前工业上金属轴零件在加工的过程中可能由于加工失误、本身材质等原因产生不同缺陷,而传统的检测方法检测精度和泛化能力有限的现状,课题组提出了基于深度学习的不规则特征识别技术,来提升对金属轴表面缺陷的检测效率。课题组设计了金属轴表面缺陷图像预处理方法,提升采集的缺陷图像的质量;对传统深度学习Faster R-CNN进行改进,设计了模型的特征提取网络、RPN网络、分类网络以及模型参数,提升模型的检测性能。实验结果表明本技术能有效提升工业流水线对金属轴缺陷的检测效率和精度,可同时检测多种不同种类的缺陷。课题组的研究成果具备良好的泛化能力。     

针对变电站电源系统的电力电子集中式开关保护方案

针对现阶段变电站内电源系统存在的功率半导体器件与下级空气开关配合不合理而导致故障范围扩大的问题,提出了一种针对变电站UPS和直流电源系统的电力电子集中式开关保护方案。首先,分析了现有交直流电源系统中存在的问题和功率半导体器件及相关电路的短路特性。然后,说明了全域状态感知及故障判别技术在电源系统中的应用,提出了基于集中式开关的电源系统全域保护方案。最后,针对具体案例分析了所提方法在保护配置中的有效性。     

环境风影响下换流变压器空冷系统换热性能研究

针对北方地区某高压直流输电换流站,建立了换流变压器空冷系统以及周围建筑物的计算流体动力学仿真模型,研究了不同环境风向和风速影响下空冷系统换热性能的变化规律。研究结果表明：由于周围建筑物的影响,空冷系统的换热性能在不同的环境风向下均有所衰减。当风向为W、风速为6m/s时,环境风流动方向与风机进气方向相反,极1和极2换流变空冷系统的换热能力衰减最为严重,分别下降了38%与40%。在高风速占比最多的NW28°风向下,环境风速逐渐升高时换热器上方的涡旋随着风向移动,迎风侧换热器出口高温气流回流至其他换热器入口;处于迎风侧的变压器2F换热器换热量最低,沿着环境风的运动方向不同位置换热器换热量呈现先升高后降低的趋势。研究结果为深入理解环境风影响下空冷系统换热性能的变化规律提供了理论依据,也为设计适应真实场景的变压器空冷系统提供了技术支撑。     

大功率变频器在化肥厂的应用

能源的使用日益紧张，节能成为了社会的焦点和能源发展的重点，因此在许多高耗能企业，使用大量的大功率变频器进行节能，本文介绍应用于化肥厂的大功率变频器结构组成，特点和性能优缺点，容量选用和效益。     

基于Halbach阵列的爬壁机器人磁轮特性研究

针对磁吸附式爬壁机器人存在负载能力差、稳定性不高等缺点,课题组提出了一种基于Halbach阵列的磁轮吸附式爬壁清洁机器人,用于壁面清扫。采用修正的傅立叶级数形式推导出Halbach永磁阵列磁场解析模型;通过ANSYS仿真得出了磁轮磁通分布模型。随后进行了磁吸附力试验,结果表明:Halbach阵列与普通对向极磁环对比,Halbach阵列的吸附距离对其吸附力的影响较弱;同时,其吸附力是普通对向极磁环吸附力的2倍多。Halbach阵列的磁轮吸附方法可提升机器人爬行负载能力及稳定性。     

基于就地数字化的断路器控制系统研究

高压断路器是电力系统的关键开关设备,其运行状态的实时准确掌握是保障其正常发挥功能和较长使用寿命的必要手段。研究了一种基于就地数字化的断路器控制系统,基于多维参量,断路器电气控制回路,断路器控制智能分析模块,通过断路器本体汇控柜里的智能汇控装置采集断路器操作过程的暂态一次电流及恢复电压波形、断路器的操作振动声纹波形以及分合闸线圈的操作电流波形;由就地数字化平台根据断路器操作机构的机械、电气等机理模型对这些波形进行综合识别和关联分析诊断,返回就地智能汇控装置进行断路器状态更新,以便现场人员随时可以在就地掌握断路器当前的状态,并对断路器分合闸控制就行分析,确定断路器状态为正常后可正常进行断路器电气控制的实现。     

基于ACPSO-SVDD的齿轮箱故障异常检测方法研究

针对设备关键部件异常检测中故障数据缺失以及故障程度划分问题,对齿轮箱的各种类型故障进行了异常检测研究,提出了基于自适应混沌粒子群优化的支持向量数据描述方法。该方法引入了自适应混沌理论,对传统粒子群优化算法进行了改进,增强了粒子跳出局部最优解的能力,提高了粒子群体对最优解的全局搜索能力;采用ACPSO对SVDD的惩罚因子以及核参数进行了参数寻优,并应用于齿轮箱减速器的异常检测中。研究结果表明:ACPSO-SVDD异常检测方法不仅能够对不同类型的故障异常进行准确检测,而且能够对故障损伤程度进行量化分析。