基于改进FCM算法的季节负荷谷平峰时段划分研究

鉴于传统的峰谷时段划分中暴露出的用户负荷选取不够精确、分类方法过于简单等问题,论文在充分考虑用户需求响应的基础上,提出了一种基于改进FCM算法的季节峰谷时段划分方法。该方法首先对某地区的年负荷数据进行预处理。然后利用改进FCM算法对各个季节的用电负荷情况进行谷平峰时段划分。最后通过仿真实验证明论文所提方法能够更精确地实现谷平峰时段划分。在实际应用后起到了良好的削峰填谷效果。     

750 kV CVT现场检验误差影响因素分析

为了提高采用比较法进行750 kV CVT现场误差检验的准确性,通过大量的出厂试验与现场检验数据的对比,对检测数据进行统计分析,首次全面系统地分析了750 kV CVT现场检验的误差影响因素,归纳出750 kV CVT现场检验误差的主要影响因素,计算出了各主要影响因素对750 kV CVT比值差和相位差的影响量,总结出750 kVCVT在不同的影响因素下,其比值差和相位差的变化趋势,对现场检验测试和生产厂家出厂试验提出相应的建议和修正值,从而给同类检验工作提供了现场测试方法和经验数据.     

基于PLC的碱回收蒸发工段控制系统的设计

根据某造纸厂碱回收蒸发工段的工艺流程和控制要求,从系统硬件组态和软件设计两方面探讨了Simatic S7-300在碱回收蒸发过程中的应用;针对蒸发工段的出效浓黑液浓度难以控制的特点,提出了黑液浓度基于串级控制策略;利用WinCC组态软件实现上位机监控,模拟现场画面,显示所需监控的现场设备.经过运行表明,该系统调节准确,稳定了黑液浓度,降低了能耗,同时节约了设备投资.     

自适应模糊控制和PLC在除尘控制系统中的应用

针对目前除尘控制系统中普遍存在成本高、效率低、运行不稳定等问题,提出了一套基于自适应模糊控制方法,从系统硬件配置和软件设计两方面探讨了Simatic S7—200在除尘控制系统中的应用。实际运行表明,该系统运行稳定、可靠、同时降低了能耗。     

现场电流互感器误差测试间接检定法的研究

小电流间接法检定电流互感器是在小电流状态下测被检互感器的误差和相关参数,并在此基础上外推至额定电流及额定负荷和下限负荷下的误差,无需大电流电源。采用小电流间接法检定现场电流互感器时可能会受到外界干扰,影响测试准确度。改进后的小电流间接法,采用传统比较测差法在小电流下测试并推导误差函数,准确测定被检互感器的励磁导纳和比值差补偿值,有效消除外界干扰的影响,保证了测试准确度,适用于检定现场电流互感器。     

基于PROFIBUS和PLC的碱回收蒸发控制系统

根据岳阳丰利造纸厂碱回收蒸发控制系统的工艺和控制要求,简述了PROFIBUS现场总线的特点及应用,设计了基于PROFIBUS由可编程控制器(PLC)和工业控制计算机(IPC)构成的集散控制系统(DCS).运行表明该系统调节准确,稳定了黑液浓度,降低了能耗.     

基于LabVIEW和FFT的互感器误差校验系统的研究

750 kV变电站互感器误差校验系统采用绝对测量法进行互感器校验,主机和副机分别采集、调理标准互感器和被检互感器的二次信号,经过标准A/D转换的采样信号输入至计算机,由校验系统软件,即FFT快速傅里叶变换和LabVIEW程序对采样数据进行分析比较,得出被检互感器的误差,该校验系统只需分别接入标准互感器和被检互感器的二次信号即可,接线简单、操作方便.在实验室和现场分别对被检互感器进行校验,并对校验数据进行了整体比对,误差数据和比对结果符合规程规定.     

基于 Data Socket互感器无线通信校验技术及数据通信

基于TCP／IP协议和ActiveX互感器无线校验仪中的数据传输,存在程序复杂,开发效率低的问题,该文利用已经对TCP／IP协议进行封装的Data Socket技术来解决这一难题。分析了基于Data Socket下传统单服务器单客户端双机通信模式中,数据错位的原因和解决的方法;提出了双服务器双客户端双机通信,经过现场试验表明,这种通信模式能够更好的满足数据通信要求。     

熔炼集散控制系统的设计与实现

简要介绍了Prufibus现场总线和工业以太网的基本原理和性能.针对某冶炼厂熔炼车间设备分散、种类繁多、实时监控要求较高等特点,设计了基于Proflbus和工业以太网的集散控制系统(DCS).详细介绍了其硬件构成、软件设计和系统组态过程,它集现场监控、远程监控于一体.实际应用结果表明,该系统具有经济、可靠、控制灵活等优点,提高了企业的生产效率和自动化控制水平.     

基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究

随着电动汽车并网容量的不断增加,面向电动汽车充电负荷准确地开展功率预测对于并网电力系统的经济调度和优化运行意义重大。基于计算机交叉学科的深度学习领域算法不断进步,为准确构建电动汽车充电负荷模型提供高效工具。该文研究一种基于LSTM(long short-term memory)神经网络的复合变量电动汽车充电负荷预测方法,将电动汽车充电负荷历史数据进行预处理,采用LSTM网络对降维后的时间序列进行动态建模,完成电动汽车充电负荷预测。采用实际数据进行验证,结果证明所提方法的有效性。