基于综合内积变换的小电阻接地系统高阻故障检测方法

针对小电阻接地系统高阻故障时零序过电流保护灵敏度不足的问题,提出基于综合内积变换的高阻故障检测方法。分析了小电阻接地系统接地故障特征,并比较了各馈线零序电流与中性点零序电流。为了突显故障馈线与健全馈线之间的差异,提升小电阻接地系统高阻故障检测的可靠性,利用内积原理引入综合内积值为衡量指标以实现高阻故障检测。利用PSCAD建立了小电阻接地系统仿真模型并进行了故障仿真,结果表明所提出的方法能够检测高阻故障。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对“早熟”问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

支持向量机和BP神经网络在水轮发电机轴承故障诊断中的应用

支持向量机（SVM）与BP神经网络相比各有优缺点,通过对支持向量机和BP神经网络在水轮发电机滚动轴承故障诊断中的仿真实验,来对比两者在轴承故障诊断上的泛化能力。首先通过应用经验模态分解（EMD）的方法将轴承振动信号进行分解,得到本征模函数（IMF）,再将IMF的平均能量值作为故障特征向量。将这些特征向量作为支持向量机和BP神经网络的学习样本。经过仿真研究结果表明,在小样本集的前提下,支持向量机在轴承故障诊断中的精确度不但受样本数量变动的影响较小,准确度也高于BP神经网络,具有较强的泛化能力。对水轮发电机滚动轴承故障诊断模型的应优先考虑选择SVM。     

吹填技术在西湖隧道建设中的应用

西湖围堰是西湖隧道工程建设的生命线，围堰施工采用吹填技术并配以防护措施，这样既加快了施工进度，减少工程投资，又保护了西湖水域在施工时不受污染，为西湖隧道的顺利建成莫定了基础。     

基于综合内积变换的小电阻接地系统高阻故障检测方法

针对小电阻接地系统高阻故障时零序过电流保护灵敏度不足的问题,提出基于综合内积变换的高阻故障检测方法。分析了小电阻接地系统接地故障特征,并比较了各馈线零序电流与中性点零序电流。为了突显故障馈线与健全馈线之间的差异,提升小电阻接地系统高阻故障检测的可靠性,利用内积原理引入综合内积值为衡量指标以实现高阻故障检测。利用PSCAD建立了小电阻接地系统仿真模型并进行了故障仿真,结果表明所提出的方法能够检测高阻故障。     

楠溪江供水工程特殊地层隧洞施工技术处理探讨

在断层及其他复杂地层,如在破碎松软、射水、渗水、漏水等不良地质构造中进行隧洞施工,防止围岩坍塌和衬砌沉陷变形是关键问题。本文结合楠溪江供水工程,针对地质条件恶劣、断层多造成的泥土松软、射水、渗水、漏水等状况,论述了在隧洞施工中遇到此种特殊地层时的处理方法及施工技术。     

广州白云尚城花园给排水及消防设计简述

本文主要论述广州市白云尚城花园二期给排水及消防设计,总结提出该工程给排水及消防设计要点,以期为类似工程提供参考。     

河岸挡墙施工质量问题分析及防治对策

挡土墙以其取材方便,施工简易,经济效果好等优势在温州地区河岸工程得到普遍应用。但在实际施工过程中,由于施工、监理单位对此类工程不重视,致使挡土墙存在较多的质量问题。以工程中常见的河岸重力式挡土墙为对象,分析实际施工过程中存在的问题,并提出相应的管理和技术措施。     

支持向量机和BP神经网络在水轮发电机轴承故障诊断中的应用

支持向量机(SVM)与BP神经网络相比各有优缺点,通过对支持向量机和BP神经网络在水轮发电机滚动轴承故障诊断中的仿真实验,来对比两者在轴承故障诊断上的泛化能力。首先通过应用经验模态分解(EMD)的方法将轴承振动信号进行分解,得到本征模函数(IMF),再将IMF的平均能量值作为故障特征向量。将这些特征向量作为支持向量机和BP神经网络的学习样本。经过仿真研究结果表明,在小样本集的前提下,支持向量机在轴承故障诊断中的精确度不但受样本数量变动的影响较小,准确度也高于BP神经网络,具有较强的泛化能力。对水轮发电机滚动轴承故障诊断模型的应优先考虑选择SVM。