摘要：以2.2 MW双馈风机模型为依据,在实时仿真器RTDS(Real Time Digital System实时数字仿真系统)中搭建了DFIG(Doubly-Fed Induction Generator)模型,并对设计的风速波动及短路故障情形进行了风机的动态特性仿真实验与分析,为双馈风机特性的研究与应用奠定了基础。

摘要：节约型供电企业主要是通过对电网结构进行调整以达到减少电网传输损耗为目的一项节能措施。文章首先对电力企业节约型供电技术的组成进行了分析,然后从规划设计、运行、设备管理、检修等几个方面对电网节能技术进行了探讨,降低了电力企业能耗。

摘要：主要针对计量自动化系统电量采集数据的准确性进行研究,提出基于拉依达准则和置信度统计方法,实现快速、正确的对采集电能量数据中的异常值进行判定和剔除,从而保证了计量自动化系统采集电能量数据的准确性,以便系统对数据进行分析、整理。本方法结合日电量数据、月电量数据和年电量数据之间的统计关系,利用拉依达准则给出了日电量数据准确性判断的具体流程,同时还对该方法的具体实现程序进行了优化设计。

摘要：配电网是电力系统中重要的组成部分,随着10k V馈线电缆化水平的提高,混合分布式馈线也越来越常见。对此,文章首先对电力电缆电气特性分析以及混合型分布式线路发展趋势分析进行介绍,然后对混合线路作业设备进行分析,并以一种新型馈电线组法——FG(feedergroup)为研究对象,对其自动化关键技术进行详细探究。

摘要：传统的图像识别方法,不能有效检测出电力部件的具体位置,同时在干扰物较多的场景下识别准确率较低。本文针对以上问题提出一种基于MASK LSTM-CNN模型的电力部件巡检图像识别方法。结合已有的Mask R-CNN方法,利用长短期记忆神经网络,通过络融合上下文信息来构建MASK LSTM-CNN模型,然后结合电力部件的具体特征进一步利用优化算法来优化模型的参数,使设计的模型能够在干扰信息较多的现场环境下依然可以准确识别电力部件,成功解决了已有方法中存在的电力部件在被遮挡情况下识别率较低的问题,大大改善了部件识别的精度。结合实际采集的电力部件巡检图像数据集对提出的模型进行大量测试验证,实验结果表明提出的MASK LSTM-CNN模型相比于R-FCN、Faster R-CNN等模型检测效果更优,平均识别准确率提高9%-12%左右,有效解决了干扰信息较多的电力场景中的部件识别问题。

摘要：针对常规运维模式越来越难以满足电表终端高效可靠运营需求的问题,文章提出了一种基于改进深度学习的电表终端故障图像识别方法。在分析现有基于深度学习电表故障识别方法的不足的基础上,介绍了改进深度学习识别方法的思路。进一步设计了改进深度学习识别方法,具体阐释了深度学习分类网络、电表终端检测网络、组态匹配三个主要技术环节。最后以一个算例,介绍了改进深度学习的电表终端故障图像识别方法的应用情况,证明了该方法的有效性。

摘要：该文研究了北斗三号高精度定位技术在输电线路塔架安全监测中的应用。北斗三号具备厘米级定位精度和短报文通信能力,通过融合多频信号和网络实时动态载波相位差分技术(real-time kinematic,RTK)技术,可实时监测塔架的沉降、倾斜和振动等关键参数。文章详细阐述了北斗三号系统的组成与技术原理,并设计了基于正方形切片的塔架监测系统,系统采用多层监测单元分布关键节点,能够实时采集并传输数据。针对监测过程中存在的干扰问题,提出了数据清洗与处理方法,结合趋势预测和预警机制,显著提升了监测系统的准确性和实时性。实际应用表明,这一创新性的监测方法在复杂地形下表现出良好的适应性,为电网输电线路塔架的安全监测提供了科学支持和可靠保障。