电力需求的增长和系统容量的提升对输配电电缆的传输容量和运行可靠性提出了更高的要求,有效利用高压直流(high voltage direct current,HVDC)电缆线路的动态增容潜力对于实现电力资源优化配置具有重要意义。通过有限元分析(finite elem...电力需求的增长和系统容量的提升对输配电电缆的传输容量和运行可靠性提出了更高的要求,有效利用高压直流(high voltage direct current,HVDC)电缆线路的动态增容潜力对于实现电力资源优化配置具有重要意义。通过有限元分析(finite element analysis,FEA)方法建立了不同敷设环境中高压直流电缆线路的暂态热场及电场模型,仿真分析了电缆在多种典型动态负荷下的温度分布及绝缘电场特性,研究发现:相比于架空及土壤直埋敷设,隧道敷设的HVDC电缆系统热响应时间常数达到数百小时,因此具有更好的动态增容能力。论文以隧道中敷设为例,通过相应FEA模型反演计算了不同初始负荷与应急时长下直流电缆的允许最大过负荷电流,给出了针对HVDC电缆线路短时动态增容能力的评估方法,并对直流电缆线路动态增容过程中的暂态电热特性进行了分析。结果表明:初始负荷率高,应急持续时间长,绝缘电导率温度敏感性强的高压XLPE直流电缆在动态增容过程中场强变化幅度大,应予以特别关注;初始负荷率不超过50%的隧道敷设双极直流电缆线路,单级可在1.5倍额定电流下安全运行2 h。该结果可为工程中HVDC电缆线路动态增容与优化调度提供理论指导。展开更多
为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测...为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测方法。首先,基于快速傅里叶变换分析特高压直流输电系统暂态故障特征,使用相模变换和小波变换提取出故障特征量作为输入数据。其次,将输入数据输入到LSTM-RNN中进行前向传播,对系统故障特征进行深度学习,同时使用反向传播方式更新网络参数,将深层的特征量输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,并输出识别结果。最后,在PSCAD/EMTDC仿真条件下,搭建特高压直流输电模型。验证结果表明:所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有更好的效果,相比于人工神经网络、卷积神经网络、支持向量机,故障识别准确率分别提升4.71%、6.57%、9.32%。展开更多
泄漏电流是随时间变化的物理量,造成绝缘子绝缘电阻测量法检测困难,由于在线检测的绝缘子数量多,工作量大。为解决以上问题,设计了一种带电测量±800 k V特高压直流输电线路绝缘子绝缘电阻的检测装置。正常工况下控制该装置在耐张...泄漏电流是随时间变化的物理量,造成绝缘子绝缘电阻测量法检测困难,由于在线检测的绝缘子数量多,工作量大。为解决以上问题,设计了一种带电测量±800 k V特高压直流输电线路绝缘子绝缘电阻的检测装置。正常工况下控制该装置在耐张绝缘子串和垂直绝缘子串上的攀爬翻转,同时在不受泄漏电流影响的情况下完成绝缘子绝缘电阻检测工作。实验数据表明:该装置测量绝缘子绝缘电阻的误差在5%以内,能很好地判断出正常运行线路绝缘子是否为低值或零值绝缘子,进而判断绝缘子的优劣状态,达到实验目的。本装置具有结构简单,灵活性高,可靠性强的特点,具有较好的实用性。展开更多
特高压(ultra high voltage,UHV)交流与直流线路同廊道运行时带电作业区域电压高、场强大,交直流混合电场比单一电场更为复杂。为确保作业人员安全,结合实际±1100 kV直流和1000 kV交流线路,建立了包含输电导线、杆塔及带电作业人...特高压(ultra high voltage,UHV)交流与直流线路同廊道运行时带电作业区域电压高、场强大,交直流混合电场比单一电场更为复杂。为确保作业人员安全,结合实际±1100 kV直流和1000 kV交流线路,建立了包含输电导线、杆塔及带电作业人员的三维计算模型,通过分析开展带电作业时人员的体表混合场强、电位转移电流及暂态能量,对作业人员安全防护进行研究。结果表明:随着作业人员不断接近直流线路,体表场强受交流线路影响越明显,最高可使作业人员体表场强增大约9%,达到1920 kV/m;交流线路的存在将导致电位转移电流增长约7%,但对暂态能量影响较小。通过对特高压线路不停电检修所减少的碳排放量进行进一步计算,验证了特高压带电作业对减少碳排放具有促进作用。展开更多
文摘电力需求的增长和系统容量的提升对输配电电缆的传输容量和运行可靠性提出了更高的要求,有效利用高压直流(high voltage direct current,HVDC)电缆线路的动态增容潜力对于实现电力资源优化配置具有重要意义。通过有限元分析(finite element analysis,FEA)方法建立了不同敷设环境中高压直流电缆线路的暂态热场及电场模型,仿真分析了电缆在多种典型动态负荷下的温度分布及绝缘电场特性,研究发现:相比于架空及土壤直埋敷设,隧道敷设的HVDC电缆系统热响应时间常数达到数百小时,因此具有更好的动态增容能力。论文以隧道中敷设为例,通过相应FEA模型反演计算了不同初始负荷与应急时长下直流电缆的允许最大过负荷电流,给出了针对HVDC电缆线路短时动态增容能力的评估方法,并对直流电缆线路动态增容过程中的暂态电热特性进行了分析。结果表明:初始负荷率高,应急持续时间长,绝缘电导率温度敏感性强的高压XLPE直流电缆在动态增容过程中场强变化幅度大,应予以特别关注;初始负荷率不超过50%的隧道敷设双极直流电缆线路,单级可在1.5倍额定电流下安全运行2 h。该结果可为工程中HVDC电缆线路动态增容与优化调度提供理论指导。
文摘为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测方法。首先,基于快速傅里叶变换分析特高压直流输电系统暂态故障特征,使用相模变换和小波变换提取出故障特征量作为输入数据。其次,将输入数据输入到LSTM-RNN中进行前向传播,对系统故障特征进行深度学习,同时使用反向传播方式更新网络参数,将深层的特征量输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,并输出识别结果。最后,在PSCAD/EMTDC仿真条件下,搭建特高压直流输电模型。验证结果表明:所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有更好的效果,相比于人工神经网络、卷积神经网络、支持向量机,故障识别准确率分别提升4.71%、6.57%、9.32%。
文摘泄漏电流是随时间变化的物理量,造成绝缘子绝缘电阻测量法检测困难,由于在线检测的绝缘子数量多,工作量大。为解决以上问题,设计了一种带电测量±800 k V特高压直流输电线路绝缘子绝缘电阻的检测装置。正常工况下控制该装置在耐张绝缘子串和垂直绝缘子串上的攀爬翻转,同时在不受泄漏电流影响的情况下完成绝缘子绝缘电阻检测工作。实验数据表明:该装置测量绝缘子绝缘电阻的误差在5%以内,能很好地判断出正常运行线路绝缘子是否为低值或零值绝缘子,进而判断绝缘子的优劣状态,达到实验目的。本装置具有结构简单,灵活性高,可靠性强的特点,具有较好的实用性。
