-
题名基于波形识别原理的高灵敏度差动保护方法
- 1
-
-
作者
张广嘉
刘志远
吴颖超
于晓军
韦鹏
-
机构
长园深瑞继保自动化有限公司
国网宁夏电力公司检修公司
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2014年第22期108-112,共5页
-
文摘
针对风电场中性点经高阻接地系统汇集线母线单相故障时常规母线差动保护灵敏度不足的问题,提出一种基于波形识别原理的高灵敏度差动保护方法。该方法识别故障波形特征,根据负荷情况实时调整浮动门槛值,同时,根据系统谐波含量实时调整差动比率系数,有效避免因谐波引起的高灵敏度差动保护误动作。RTDS的仿真结果表明,该方法能够保证中性点经高阻接地系统在发生单相故障时,迅速切除故障。该方案的应用,对于保护电气设备、维护风电系统稳定运行具有重要意义。
-
关键词
风电场
母线保护
波形识别
差动保护
灵敏度
-
Keywords
wind farm
busbar protection
waveform recognition
differential protection
sensitivity
-
分类号
TM773
[电气工程—电力系统及自动化]
-
-
题名变电站智能化改造的过程层设备平滑接入方案研究
被引量：7
- 2
-
-
作者
张广嘉
王冰清
王乾刚
-
机构
长园深瑞继保自动化有限公司
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2016年第15期159-163,共5页
-
文摘
提出一种应用于传统变电站智能化改造中的过程层设备平滑接入方案,分别从系统结构、通讯组网方案、功能配置以及内部数据的交互协同模式等多角度对该系统设备进行研究。在系统硬件设计的基础上,对信号数据流进行分析说明。为了满足大容量数据的接入,实现集成采集与控制,对SV、GOOSE的发送进行对应的硬件设计;并以该硬件系统构架为基础,建立数据总线、IO总线、校时总线以及管理总线等多层次的总线结构。该方案可以实现大容量数据接入与控制的同时满足变电站智能化改造过程中的平滑切换接入。
-
关键词
数字化变电站
集成
过程层
多总线
平滑接入
-
Keywords
digital substation
integrated
process level
multi-bus
smooth access
-
分类号
TM63
[电气工程—电力系统及自动化]
TM76
[电气工程—电力系统及自动化]
-
-
题名基于无缝接入模式的母线保护智能化改造方法
被引量：4
- 3
-
-
作者
杨勇
盛海华
张广嘉
王坚俊
-
机构
国网浙江省电力公司
国网浙江省电力公司杭州供电公司
长园深瑞继保自动化有限公司
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2016年第24期176-182,共7页
-
文摘
母差保护装置接入支路多、运行方式多样、改造复杂,因此,母差保护装置在改造过程中面临长期停电及运行方式不灵活等诸多问题。针对这一情况,结合现场多次改造经验,在分析现场具体二次回路配置的基础上,分别提出基于传统母线保护改造智能接口及GOOSE出口转接的改造方案。基于现场多种模式情况下都可以在不改动现场二次回路接线的情况下,实现智能站母线保护的不停电改造工作。通过该方案的应用,解决了传统站智能化改造的关键问题,对于推进智能电网的建设具有重要意义。
-
关键词
母线保护
无缝接入
智能接口设备
不停电改造
-
Keywords
bus protection
seamless access
intelligent interface equipment
reconstruction with uninterrupted power
-
分类号
TM63
[电气工程—电力系统及自动化]
TM773
[电气工程—电力系统及自动化]
-
-
题名基于CNN图像识别算法的保护装置智能巡视技术
被引量：23
- 4
-
-
作者
王业
崔玉
陆兆沿
田明
张广嘉
-
机构
国网江苏省电力有限公司
长园深瑞继保自动化有限公司
-
出处
《电力工程技术》
北大核心
2022年第6期252-257,共6页
-
基金
国网江苏省电力有限公司科技项目“基于多元数据分析的智能屏柜运维技术研究及应用”(SGJS0000DKJS2000746)资助
-
文摘
继电保护装置是保障电力系统安全稳定运行的重要环节。随着变电站及继电保护装置的数量大幅增加,日常巡视工作量已经趋于饱和,无法保证每次都实现高质量、无死角的巡视,给保护装置的可靠运行带来了隐患。文中提出基于卷积神经网络(CNN)图像识别算法的保护装置智能巡视技术,借助安装在屏柜前后的摄像头,可实现保护装置的无人或少人巡视。首先,介绍保护装置智能巡视系统,并对可实现的智能巡视项目进行分析,引出可利用CNN对其进行图像识别;然后以压板状态识别为例对巡视项目所需要的训练样本集和测试样本集进行介绍,并给出巡视项目的CNN层级;再利用训练样本集对不同巡视项目的CNN进行训练;最后,对各网络进行了测试。测试结果表明,各个巡视项目的神经网络图像识别率都在96%以上,有的可以达到98%,识别效果良好。
-
关键词
卷积神经网络(CNN)
图像识别
智能巡视
保护装置
二次回路
-
Keywords
convolution neural network
image recognition
intelligent inspection
protection device
secondary circuit
-
分类号
TM77
[电气工程—电力系统及自动化]
-
