随着电力系统对电缆线路工作井维护的便利性和安全性要求的提高,电缆线路工作井的设计更为复杂性,传统的造价计算方法已无法满足现代工程的需求。为了提高工程量计算的效率和精度,开发一套基于建筑信息模型(Building Information Modeli...随着电力系统对电缆线路工作井维护的便利性和安全性要求的提高,电缆线路工作井的设计更为复杂性,传统的造价计算方法已无法满足现代工程的需求。为了提高工程量计算的效率和精度,开发一套基于建筑信息模型(Building Information Modeling,BIM)技术的电缆线路工作井智能造价系统,通过Revit二次开发,结合SQL Server数据库,实现了电缆工作井的参数化建模、工程量快速计算、定额套取以及报表的生成与导出。研究结果表明,该系统能够显著提升工程造价的准确性和工作效率,同时保障数据的一致性和信息的连贯性,并且满足规范要求。展开更多
介绍了静止无功发生器(Static Var Generator,SVG)的技术特点及应用情况。首先,对比了66 kV直挂式与降压式SVG的接线与技术性能;其次,对直挂式SVG的设备进行了选型研究;最后,结合工程案例,提出了66 kV直挂式SVG在户内变电站的布置方案,...介绍了静止无功发生器(Static Var Generator,SVG)的技术特点及应用情况。首先,对比了66 kV直挂式与降压式SVG的接线与技术性能;其次,对直挂式SVG的设备进行了选型研究;最后,结合工程案例,提出了66 kV直挂式SVG在户内变电站的布置方案,为后续66 kV直挂式SVG的大规模应用提供了实践经验。展开更多
针对高压直流(high voltage direct current,HVDC)输电线路故障暂态行波具有时序性和强非线性的特点,导致高过渡电阻情况下故障识别率低的问题,提出基于卷积神经网络(convolutional neural networks,CNN)和双向循环门单元(bidirectional...针对高压直流(high voltage direct current,HVDC)输电线路故障暂态行波具有时序性和强非线性的特点,导致高过渡电阻情况下故障识别率低的问题,提出基于卷积神经网络(convolutional neural networks,CNN)和双向循环门单元(bidirectional gate recurrent unit,BiGRU)的HVDC输电线路故障识别方法。首先,采用故障后整流侧的双极暂态电流行波作为特征向量,利用CNN提取全局特征,并从中剔除噪声和不稳定成分,完成对数据的降维处理。然后,采用BiGRU来捕获CNN提取到特征的前后时间信息,进一步提取数据中的时序特征,以实现HVDC输电线路故障识别。仿真结果表明:该方法可在不同故障地点以及不同过渡电阻下对单极接地、双极短路、雷击故障、雷击干扰共四种故障实现准确识别,可靠性高,具有较强的耐受过渡电阻能力,同时具备一定的抗噪性能。展开更多
文摘随着电力系统对电缆线路工作井维护的便利性和安全性要求的提高,电缆线路工作井的设计更为复杂性,传统的造价计算方法已无法满足现代工程的需求。为了提高工程量计算的效率和精度,开发一套基于建筑信息模型(Building Information Modeling,BIM)技术的电缆线路工作井智能造价系统,通过Revit二次开发,结合SQL Server数据库,实现了电缆工作井的参数化建模、工程量快速计算、定额套取以及报表的生成与导出。研究结果表明,该系统能够显著提升工程造价的准确性和工作效率,同时保障数据的一致性和信息的连贯性,并且满足规范要求。
文摘针对高压直流(high voltage direct current,HVDC)输电线路故障暂态行波具有时序性和强非线性的特点,导致高过渡电阻情况下故障识别率低的问题,提出基于卷积神经网络(convolutional neural networks,CNN)和双向循环门单元(bidirectional gate recurrent unit,BiGRU)的HVDC输电线路故障识别方法。首先,采用故障后整流侧的双极暂态电流行波作为特征向量,利用CNN提取全局特征,并从中剔除噪声和不稳定成分,完成对数据的降维处理。然后,采用BiGRU来捕获CNN提取到特征的前后时间信息,进一步提取数据中的时序特征,以实现HVDC输电线路故障识别。仿真结果表明:该方法可在不同故障地点以及不同过渡电阻下对单极接地、双极短路、雷击故障、雷击干扰共四种故障实现准确识别,可靠性高,具有较强的耐受过渡电阻能力,同时具备一定的抗噪性能。
