谈真空断路器市场前景

随着国民经济的高速发展,电力系统的规模日益扩大,相应的电力系统中的设备也越来越多,电力系统的稳定运行与设备的安全可靠运行密不可分,因此对于电力设备的运行状态与检修技术提出了更高的要求。近年来随着电力系统的装备水平的提高,断路器设备也从开始的多油式、少油式、到现在的SF6气体和高压真空式,断路器相对其他静止的电力设备而言更重要,所以断路器的质量水平提高从而提高电网的供电可靠性有着重要的意义。本文主要探讨一下真空断路器与传统六氟化硫断路器的优缺点,从而展望一下真空断路器市场发展前景。     

高压真空断路器故障分析及处理

高压真空断路器是一种用真空作为灭孤介质和绝缘介质的断路器.由于这种断路器开断可靠性高、可频繁操作、寿命长、体积小等优点,现广泛应用于工厂供电.但真空断路器在使用中可能出现一些不正常的状况,严重威胁电力系统的安全运行.所以有必要对真空断路器故障进行分析和处理,预防事故的发生.     

基于ARM系统的高压开关设备状态监测研究

断路器在电力系统的安全运行与事故处理中有着极其重要的作用。SF6断路器的故障直接影响了电力系统的安全性和可靠性。在SF6断路器故障中,气体状态故障和机械状态故障占有相当大的比重,针对目前SF6断路器状态监测和故障诊断系统在气体状态和机械状态两个方面存在的缺点和不足,从湿度监测、振动信号特征提取、故障诊断方法以及实际应用等几个方面进行了深入的研究。     

10kV真空断路器故障处理与方法改进

本文主要论述的就是10 k V真空断路器故障处理与方法改进,通过论述我国目前10 k V真空断路器的应用现状,能够充分了解我国的真空断路器使用前景,同时能够深入探究故障出现的原因,以保证我国相关部门利用更好的技术对真空断路器中出现的故障进行修整,以保证用最好的设备满足人们的使用需求。     

论高压真空断路器的维修与保养

自从迈入20世纪90年代,我国电力事业出现了迅猛发展的势头,对供电系统和配电系统设备的要求也愈来愈高,特别是大型配电系统中高压真空断路器。高压真空断路器不仅在电网系统进行工作时能将电力装置使用或者退出运行起到积极作用,而且在电网系统电线电流过大或者出现故障时及时切断电路达到保护电力系统的功能。而高压真空断路器结构复杂,制作精密,出现故障和损害的概率大,故障的原因也多,导致高压真空断路器的维修与保养工作变的迫不及待而且困难重重。对高压真空断路器的维修与保养工作做一个简略的分析与研究。     

论变电站断路器的状态检修试验

由于状态检修、无人值守等制度在电力系统的推行,我厂已于近期完成了10KV断路器站的断路器的改造,将原来的少油断路器全部更换为西门子的3AH3系列的真空断路器,从而使我对状态检修、真空断路器有了更深刻的了解。本文介绍了状态检修趋势,阐述了真空断路器的维护与状态检修的技术。     

基于PCA-LDA与蚁群优化BP神经网络的人脸识别算法

针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

基于BP神经网络的遥感影像分类方法研究

本文用遥感影像监督分类的常用方法与基于BP神经网络的分类方法对黑龙江省鹤岗市某区域高分二号数据进行土地利用分类,并比较分类精度,得出基于BP神经网络的分类方法总体精度相对较高。     

浅谈变电站高压真空断路器的故障处理方法

真空断路器因其灭弧介质和灭弧后触头间隙的绝缘介质都是高真空而得名;其具有体积小、重量轻、适用于频繁操作、灭弧不用检修的优点,在配电网中应用较为普及：本文对真空断路器在运行中经常出现的一些故障的原因进行了分析,同时给出了现场处理这些故障的方法。     

浅析10KV真空断路器的运行及维护

随着电力系统的迅猛发展,10KV真空断路器在我国已经大批量地生产和使用,对于一线检修人员来说,掌握真空断路器的操作要点,分析处理真空断路器的常见故障,加强真空断路器的保养与维护,使其安全运行,成为一个迫在眉睫的问题.     

基于改进神经网络的电子器件故障智能诊断

针对当前电子器件故障诊断方法存在的弊端,以获得高精度的电子器件故障诊断结果为目的,提出了基于改进神经网络的电子器件故障智能诊断方法。首先对电子器件故障诊断的研究现状进行分析,找到引起电子器件故障诊断精度低的原因,然后提取电子器件故障诊断的特征,并采用核主成分分析对特征向量机进行去冗余处理,减少神经网络的输入向量数量,最后采用BP神经网络建立电子器件故障诊断模型,并采用蚁群算法对BP神经网络参数求解,并与其它方法进行了电子器件故障诊断测试,改进神经网络的电子器件故障诊断精度超过95%,而且电子器件故障诊断的速度非常快,获得比其它方法更加理想的电子器件故障诊断结果,具有广泛的应用前景。     

基于SOM神经网络的负荷特性分类

负荷模型对电力系统仿真结果有重要影响,由于负荷特性的辨识是负荷建模的主要方面之一,故提高负荷模型的准确度就需要对负荷特性分类进行研究。文章在详细分析SOM自组织映射神经网络结构的基础上,采用了基于SOM神经网络的负荷分类方法,以负荷模型参数作为负荷动态特性分类特征向量,应用SOM神经网络对负荷特性进行分类,并对分类结果进行测试,结果表明该方法可有效地对负荷样本进行分类。     

浅谈10kV真空断路器的应用

随着电力系统的快速发展,10kV真空断路器在我国已经大批量地生产和使用。对于一线检修人员来说,提高对真空断路器的认识,加强维护保养,使其安全运行,成了一个迫在眉睫的问题。本文以ZW27—12为例,简要说明真空断路器的原理与维修。     

35kV、10kV户内真空断路器操动机构常见故障及处理探讨

在电力系统里,35k V户内真空断路器以及10k V户内真空断路器是使用频率最高的设备,是高压开关柜的核心部分,在整体间隔中扮演着重要的角色。对于高压开关柜来说,它们是其关键设备。因为10k V和35k V户内真空断路器比较可靠,在使用过程中比较稳定,所以被电力系统主网变电站广泛应用。在平常对电力系统进行维护时,10k V和35k V户内真空断路器自然成为它们重点关注的对象。首先分析了35k V户内真空断路器以及10k V户内真空断路器的弹簧操动机构动作原理,然后分析了两者在日常维护工作和检修工作中的问题,分析总结相关经验,最后有针对性的提出相关措施。     

断路器瞬时故障下断口绝缘故障延时判别方法研究

电力系统中的主要调控和保护设备是高压断路器,其稳定运行对系统安全运营存在重要影响。于是文中提出基于模糊诊断理论的能量比法对断路器断口绝缘故障进行检测与判断。首先,根据监测信号与断路器故障间的相对应关系,获取故障判定信号,由于断路器故障具备模糊特性,基于模糊理论的隶属度,建立反映故障表征与故障联系程度的模糊关联矩阵,利用模糊变换判断故障类型,并依据状态变化特征对应故障表现形式对模糊判断矩阵实行修正;其次,利用能量比法,通过建立能量比函数实现对有价值信号到达时刻监测的目的,运用该方法求解断路器内局部放电信号延时,将传感器释放信号作为前提,在计算信号到达时刻后估计其他信号之间的相对延时,从而确定绝缘故障位置。实验证明,文中方法可以有效检测出断路器绝缘故障位置。     

基于BP神经网络的干式变压器绕组温度预测

变压器作为电力系统中重要的一环,实时掌握变压器的状态信息尤为重要。变压器运行时的温度信息就是判断变压器自身运行状态的一个重要因素,因此提出了基于BP神经网络的干式变压器绕组温度预测方法。首先建立了干式变压器绕组温度BP神经网络预测模型,利用云平台现有的300组数据,进行仿真分析。结果表明,基于BP神经网络的干式变压器绕组温度预测模型具有很好的预测效果,为实现干式变压器绕组的温度监控提供了参考意义。     

煤矿设备中的基于动态模糊与BP神经网络的故障诊断

在煤炭机电设备故障检测过程中,由于涉及到众多的硬件设备,容易出现电压稳定性较差,间接影响故障检测信号不稳定,检测样本数据空间维数大、诊断实时性差等缺点。本文提出了采用动态模糊自学习理论和BP神经网络相结合的方法针对故障进行诊断,首先通过动态模糊自学习方法对设备故障的有效数据,使用BP网络对其进行快速分类诊断。仿真实验表明:本文算法能够有效地提高故障诊断正确率,从而提高诊断的识别与决策能力。     

基于模糊神经网络的低压配电系统故障诊断方法研究

为了提高低压配电系统故障诊断的准确性,缩短故障诊断时间,提出一种基于模糊神经网络的低压配电系统故障诊断方法。首先利用模糊集理论对采集到的故障信号进行模糊预处理,然后利用三层前向型BP神经网络对故障信号进行诊断,为了提高模型的泛化性和学习效率,在神经网络模型中引入了动量项,并采用了自适应学习速率进行学习。该方法对于提高低压配电系统故障诊断的准确性和效率提供了保障,具有重要的应用价值。     

国内外继电保护与安全自动装置仿真建模现状

<正>本文对继电保护与安全自动装置建模的方法进行分类,同时总结了国内外常见仿真软件对继电保护与安全自动装置建模的支持情况,详细介绍了装置用户自定义建模的方法,并对固定建模方法进行评价。建模方法分类对于继电保护与安全自动装置的建模,主要有两种考虑方式:一种方式是模拟继电保护与安全自动装置带来的效果,即并不对具体的装置进行建模,只是处理确定故障发生以后断路器的动作特性,采用预置时间和动作状态的     

基于相容粗糙集的BP神经网络湿地覆被信息提取——以双台子河口湿地为例

BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。