垂直地埋管地源热泵系统安装工程中常见问题浅析

地源热泵系统是一种利用地下浅层的恒温地热资源,通过输入少量的高品位能源,实现热能转移的高效节能的空调系统。主要阐述了垂直地埋管地源热泵空调系统施工过程中的一些常见问题,逐一进行分析并提出了解决方法。     

励磁调节器低励限制整定原则和整定方法研究

为解决当前常见的两种不同低励限制整定原则存在的问题,提出根据不同低励限制动作特性,以动作值接近机组实测进相能力的低励限制整定原则。该整定原则以实测的机组进相能力为依据,解决了基于静稳极限低励限制整定原则中低励限制与失磁保护因误差配合困难的问题,还解决了进相能力范围内整定低励限制原则中低励限制提前机组进相能力不利于机组进相能力发挥的问题。最后以当前常见的励磁调节器为例,设计优化的低励限制整定方法,使得整定后低励限制动作值尽可能接近机组实测的进相能力,充分发挥机组进相能力并确保机组运行安全。     

UNITROL5000励磁系统低励限制优化整定方法研究

发电机进相运行时,出现UNITROL5000励磁系统低励限制的动作值与整定值不一致的情况,导致机组无法发挥其进相能力,造成运行电压过高,不利于电网安全运行。文中分析两种类型励磁系统低励限制动作特性及影响因素,根据动作特性提出优化的整定方法,并通过实例验证该整定方法的可行性。该整定方法综合考虑机组的进相能力及失磁保护情况,整定定值后机组低励限制动作值接近机组进相能力曲线,并与失磁保护配合合理,为工程实际中UNITROL5000励磁系统低励限制定值整定提供了参考。     

一起600MW发电机氢爆事件原因分析

某电厂的一台600 MW氢冷发电机,在完成气体置换操作2天后进行发电机直流耐压试验,当第一相试验完成降压且绕组接地后,发电机内部发生氢爆事件.通过对发电机的结构分析及事件过程调查,导出可能的氢气来源和引爆火源,同时提出为防止类似事件的发生而应采取的措施.     

油纸绝缘老化的超宽频带局部放电信号时频域特性逐步判别分析

传统局部放电检测方法测量和分析1MHz以下信号，测量频带窄、信息量少、易受干扰，不能全面反映局部放电本质特征。首先对多个试品进行电热联合老化试验，然后用超宽频带局部放电测试系统，将时域参数和频域参数相结合诊断油纸绝缘老化状态。通过逐步判别分析，先选取13个时频域特征参量中的8个重要特征参量，建立典型判别方程，描出对应的散点图。继而又推导出分别表征油纸绝缘5个老化阶段的Bayes线性判别方程。经原样本组内验证和Jackknife法交叉验证，所建方程组用于诊断油纸绝缘老化状态具有良好的效果。     

燃煤机组深度调峰时进相能力分析及提升措施

文章根据发电机组进相试验中限制因素情况,分析燃煤发电机组深度调峰时进相限制因素,通过一起深度调峰下机组进相试验验证限制因素情况,并根据限制因素情况,提出提升深度调峰下机组进相能力的措施。指出深度调峰机组进相时主要限制因素为厂用电压,其次为机端电压、静稳极限,抬高电网电压或切换厂用电至启备变可有效提升深度调峰机组进相能力。通过深度调峰进相试验得出:电网电压一致的情况下,机组进相能力跟有功呈线性关系,有功降低,进相能力增强,为深度调峰机组进相运行提供理论和实证依据。     

一起机组进相试验时失磁保护动作原因分析

通过一起发电机进相试验过程中发生的失磁保护动作事件,详细分析机组失磁保护整定计算过程、机组进相试验工况的确定及校核情况以及试验过程中低励限制参数设置情况,分析出本次失磁保护动作原因:REG126保护说明书中失磁保护整定计算方法有误、试验工况校核过程计算有误以及失磁保护装置本身存在一定误差。最后,为避免发生类似事件,提出防范的技术措施,建议对国外某公司生产的REG126型保护进行全面核查失磁保护定值,并提出进相试验工况失磁保护校核中电压值和裕度设置。     

基于ELCID的发电机定子铁芯损耗试验

铁芯是发电机的重要组成部分,其片间绝缘故障将影响发电机的安全运行,并可能造成严重的设备损伤,铁芯试验能较早地发现铁芯的故障点,避免故障扩大。文中介绍了ELCID（Electro-magnetic Core Imperfection Detector）铁芯试验的原理、方法,并通过实例详细介绍了ELCID在大型发电机铁芯试验中的试验情况及相关注意事项。结果表明,ELCID铁芯试验能够有效地对发电机铁芯状况作出判断。     

基于改进GRU神经网络的综合能源管控系统优化研究

针对目前综合能源管控系统能耗预测的精度需求,提出一种基于改进GRU神经网络的预测优化方案。首先,考虑到GRU神经网络预测模型中超参数选取的速率直接影响着预测模型的精确度,提出采用鲸鱼优化算法对超参数进行寻优;然后将WOA算法寻优得到的超参数对GRU神经网络进行设置,再利用超参数优化后的GRU神经网络对综合能源负荷进行预测;最后将本算法和传统GRU预测模型及BP神经网络预测模型通过评价指标MAE、MPAE、RMSE进行对比。结果表明,本优化方案平均绝对误差百分比为1.79%,而传统GRU预测模型和BP预测模型的平均绝对误差百分比为3.06%、4.45%。由此得出,采用鲸鱼优化算法对GRU神经网络的改进,使得GRU预测模型更加精准和稳定。