传统压电陶瓷超声传感器与电缆表面之间存在声学界面不匹配问题,而柔性压电超声传感器能够克服这一缺点、实现电缆局部放电超声信号的检测。然而持续提高柔性压电超声传感器的灵敏度,进一步降低其对超声信号的检出极限,是其走向实际应...传统压电陶瓷超声传感器与电缆表面之间存在声学界面不匹配问题,而柔性压电超声传感器能够克服这一缺点、实现电缆局部放电超声信号的检测。然而持续提高柔性压电超声传感器的灵敏度,进一步降低其对超声信号的检出极限,是其走向实际应用的关键。为实现这一目标,该文从柔性压电超声传感器的核心敏感材料(压电薄膜)的优化设计出发,研究了厚度对Pb(Zr_(0.52),Ti_(0.48))O_(3)(PZT)压电薄膜材料综合性能及其所制备的传感器灵敏度的影响。研究发现,受界面死层的影响,厚度约为1.2μm的PZT压电薄膜相较于厚度约为0.8μm、1.0μm和1.6μm的薄膜具有更大比例的(100)晶粒择优取向和更高的剩余极化,表现出最高的压电系数,更具备应用潜力。利用该厚度的PZT压电薄膜制备了柔性压电超声传感器,并用其检测在110 k V真型电缆上传播的由自动笔铅芯断裂产生的超声信号,计算得到该超声信号在交联聚乙烯绝缘层中的衰减系数为3.74 dB/m。该研究提供了一种利用压电薄膜厚度优化柔性压电超声传感器灵敏度的方法,为进一步推进柔性压电超声传感器在电缆等电力设备领域的应用提供了实验和理论基础。展开更多
通过监测护层电流可及早发现高压电力电缆线路的潜在故障,有效避免非计划性停电。为此,提出了1种可用于诊断故障与非故障情况下3相交叉互联高压电力电缆中护层电流的研究方案。通过建立数学模型详细分析了2种典型的电缆故障,并基于1条...通过监测护层电流可及早发现高压电力电缆线路的潜在故障,有效避免非计划性停电。为此,提出了1种可用于诊断故障与非故障情况下3相交叉互联高压电力电缆中护层电流的研究方案。通过建立数学模型详细分析了2种典型的电缆故障,并基于1条线路长度为1.5 km、电压等级为110 k V的隧道电缆的仿真计算,提出了1套适用于12种电缆故障的诊断及定位标准。仿真分析结果显示:当电缆接地系统中存在开路故障时,故障回路中的护层电流会降低;而当电缆交叉互联箱进水或电缆接头内环氧预制件击穿时,故障护层回路中将产生高于正常水平的护层电流值。基于故障仿真,所提出的故障诊断标准可准确识别并定位指定的3种电缆故障:接头松动导致护层开路、交叉互联箱进水和接头内环氧预制件击穿。仿真表明地电阻的大幅度变化会导致诊断标准发生变化。展开更多
短期电力负荷预测有助于维持发电端和用电端的动态平衡,保障电力系统稳定且高效地运行。分布式能源的大规模并网以及气象和节假日等短期因素的影响,使得负荷序列呈现明显的波动性和非线性。为此,该文提出基于花授粉算法(flower pollinat...短期电力负荷预测有助于维持发电端和用电端的动态平衡,保障电力系统稳定且高效地运行。分布式能源的大规模并网以及气象和节假日等短期因素的影响,使得负荷序列呈现明显的波动性和非线性。为此,该文提出基于花授粉算法(flower pollination algorithm,FPA)优化变分模态分解(variational mode decomposition,VMD)和双向长短时记忆(bidirectional long and short time memory,BiLSTM)神经网络的新型两阶段短期电力负荷预测方法。第一阶段首先提出了一种关于分解损失的VMD评价标准,并采用FPA来寻找该标准下分解参数的最优组合,从而降低了经验设置参数的随机性并且减少了分解过程中的信号损失,提高了分解质量;其次针对分解所得的每个子序列分别建立具备双向处理和长期记忆的BiLSTM神经网络,从而可以更好地挖掘负荷数据的过去和未来的深度时序特征。第二阶段综合考虑模态分量以及气象和星期类型等短期因素的影响,建立基于BiLSTM神经网络的误差纠正模型,用以挖掘误差中所包含的隐含信息,从而降低了模型的固有误差。将该文方法应用于美国南部某地区的负荷数据集,最终的平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(root mean square error,RMSE)以及R2分别为108.03、1.19%、146.48以及0.9812。随后在冀北电网某供电公司的实际应用中,再次证明了该方法在区域性短期电力负荷预测中的有效性。展开更多
文摘传统压电陶瓷超声传感器与电缆表面之间存在声学界面不匹配问题,而柔性压电超声传感器能够克服这一缺点、实现电缆局部放电超声信号的检测。然而持续提高柔性压电超声传感器的灵敏度,进一步降低其对超声信号的检出极限,是其走向实际应用的关键。为实现这一目标,该文从柔性压电超声传感器的核心敏感材料(压电薄膜)的优化设计出发,研究了厚度对Pb(Zr_(0.52),Ti_(0.48))O_(3)(PZT)压电薄膜材料综合性能及其所制备的传感器灵敏度的影响。研究发现,受界面死层的影响,厚度约为1.2μm的PZT压电薄膜相较于厚度约为0.8μm、1.0μm和1.6μm的薄膜具有更大比例的(100)晶粒择优取向和更高的剩余极化,表现出最高的压电系数,更具备应用潜力。利用该厚度的PZT压电薄膜制备了柔性压电超声传感器,并用其检测在110 k V真型电缆上传播的由自动笔铅芯断裂产生的超声信号,计算得到该超声信号在交联聚乙烯绝缘层中的衰减系数为3.74 dB/m。该研究提供了一种利用压电薄膜厚度优化柔性压电超声传感器灵敏度的方法,为进一步推进柔性压电超声传感器在电缆等电力设备领域的应用提供了实验和理论基础。
文摘通过监测护层电流可及早发现高压电力电缆线路的潜在故障,有效避免非计划性停电。为此,提出了1种可用于诊断故障与非故障情况下3相交叉互联高压电力电缆中护层电流的研究方案。通过建立数学模型详细分析了2种典型的电缆故障,并基于1条线路长度为1.5 km、电压等级为110 k V的隧道电缆的仿真计算,提出了1套适用于12种电缆故障的诊断及定位标准。仿真分析结果显示:当电缆接地系统中存在开路故障时,故障回路中的护层电流会降低;而当电缆交叉互联箱进水或电缆接头内环氧预制件击穿时,故障护层回路中将产生高于正常水平的护层电流值。基于故障仿真,所提出的故障诊断标准可准确识别并定位指定的3种电缆故障:接头松动导致护层开路、交叉互联箱进水和接头内环氧预制件击穿。仿真表明地电阻的大幅度变化会导致诊断标准发生变化。
文摘短期电力负荷预测有助于维持发电端和用电端的动态平衡,保障电力系统稳定且高效地运行。分布式能源的大规模并网以及气象和节假日等短期因素的影响,使得负荷序列呈现明显的波动性和非线性。为此,该文提出基于花授粉算法(flower pollination algorithm,FPA)优化变分模态分解(variational mode decomposition,VMD)和双向长短时记忆(bidirectional long and short time memory,BiLSTM)神经网络的新型两阶段短期电力负荷预测方法。第一阶段首先提出了一种关于分解损失的VMD评价标准,并采用FPA来寻找该标准下分解参数的最优组合,从而降低了经验设置参数的随机性并且减少了分解过程中的信号损失,提高了分解质量;其次针对分解所得的每个子序列分别建立具备双向处理和长期记忆的BiLSTM神经网络,从而可以更好地挖掘负荷数据的过去和未来的深度时序特征。第二阶段综合考虑模态分量以及气象和星期类型等短期因素的影响,建立基于BiLSTM神经网络的误差纠正模型,用以挖掘误差中所包含的隐含信息,从而降低了模型的固有误差。将该文方法应用于美国南部某地区的负荷数据集,最终的平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(root mean square error,RMSE)以及R2分别为108.03、1.19%、146.48以及0.9812。随后在冀北电网某供电公司的实际应用中,再次证明了该方法在区域性短期电力负荷预测中的有效性。
