一种适应高压线路线长变化的行波波速动态修正方法

    公开(公告)号:CN117406022B

    公开(公告)日:2024-05-17

    申请号:CN202311354226.7

    申请日:2023-10-19

    Abstract: 本发明属于电力系统继电保护领域,公开了一种适应高压线路线长变化的行波波速动态修正方法。该技术在高压输电线路负载变化的情况下,通过输电线路的状态监测数据,修正输电线路基本参数,进而达到动态修正当前线长的行波波速,在线路发生故障时能够有效提高故障定位精度。该技术首先分析论证了输电线路变长时,线长与电容电感参数的转换关系,进而提出通过输电线路的状态监测数据,定义应比系数,基于悬链线最低点坐标和末端坐标,利用最小二乘法实现线长方程的实时求解;进一步基于输电线长变化下质量不变原则,应用曲线积分,修正导线平均对地高度与导线半径,实现电容和电感参数的更新计算,最终达到行波波速的动态修正。该技术新颖,能够做到实时线路参数修正,实现故障后的精确定位,应用在地形复杂高压输电线路中,有效提高故障修复效率。

    一种基于幅频特性相似度纵向比较的区段定位方法

    公开(公告)号:CN117907743A

    公开(公告)日:2024-04-19

    申请号:CN202410088776.7

    申请日:2024-01-22

    Abstract: 本发明属于电力系统继电保护领域,公开了一种基于幅频特性相似度纵向比较的区段定位方法,利用了不同线路区段两端的零序测量电流,通过S变换获取幅频特征曲线,并计算两端曲线的相似度,构建故障区段判据,在经消弧线圈接地系统中发生单相接地故障不存在盲区,可有效选出故障区段。本发明引入S变换,基于参数决定频域的选取原则,使得信号含有主谐振频率信号及非主谐振频域多带宽信号。针对S变换后的零序电流幅频信号,利用区段线路两端信息的相似系数比较构建区段定位判据。本专利方法能够在采样频率要求不高的情况下可靠识别故障区段,完全克服定位盲区,有利于提高配电网故障运维效率,由于原理简单,便于在工程中推广应用。

    一种适应高压线路线长变化的行波波速动态修正方法

    公开(公告)号:CN117406022A

    公开(公告)日:2024-01-16

    申请号:CN202311354226.7

    申请日:2023-10-19

    Abstract: 本发明属于电力系统继电保护领域,公开了一种适应高压线路线长变化的行波波速动态修正方法。该技术在高压输电线路负载变化的情况下,通过输电线路的状态监测数据,修正输电线路基本参数,进而达到动态修正当前线长的行波波速,在线路发生故障时能够有效提高故障定位精度。该技术首先分析论证了输电线路变长时,线长与电容电感参数的转换关系,进而提出通过输电线路的状态监测数据,定义应比系数,基于悬链线最低点坐标和末端坐标,利用最小二乘法实现线长方程的实时求解;进一步基于输电线长变化下质量不变原则,应用曲线积分,修正导线平均对地高度与导线半径,实现电容和电感参数的更新计算,最终达到行波波速的动态修正。该技术新颖,能够做到实时线路参数修正,实现故障后的精确定位,应用在地形复杂高压输电线路中,有效提高故障修复效率。

    一种预绞型金具的预绞装置

    公开(公告)号:CN110752551A

    公开(公告)日:2020-02-04

    申请号:CN201911035669.3

    申请日:2019-10-29

    Abstract: 本发明属于线缆领域,尤其是涉及一种预绞型金具的预绞装置,具有箱体,箱体的上端连接有盖体,其特征在于箱体内设有第一支架、放线架和第二支架,第一支架内设有从动齿轮;从动齿轮主体上绕动齿轮主体的圆心设有多个通透的绞合孔,从动齿轮主体内设有线缆夹持装置;从动齿轮位于箱体的一侧啮合有主动齿轮;所述箱体的左端连接有方向矫正部件;本发明解决了现有技术中单一型号的预绞线型号不能匹配所有外径线缆的问题;本发明具有使用方便,提升施工效率,节省施工时间,自由调节绞线的绞合截距及绞合长度和绞线数量等有益效果。

    一种基于K-means均值聚类及优化BP神经网络的光伏出力日前预测方法

    公开(公告)号:CN116702937A

    公开(公告)日:2023-09-05

    申请号:CN202211610935.2

    申请日:2022-12-14

    Abstract: 本发明涉及一种基于K‑means均值聚类及优化BP神经网络的光伏出力日前预测方法,包括以下步骤:步骤1、采集待预测地区光伏电站的历史气象数据,及该历史气象数据对应的历史光伏出力数据,并利用平均插值法对二者进行预处理;步骤2、采用皮尔逊相关系数计算所述历史气象数据与历史光伏出力数据的相关系数,保留相关系数大于阈值的数据,并构建训练集;步骤3、通过K‑means聚类对历史光伏出力数据进行聚类并划分相似日数据集;步骤4、通过遗传算法与蚁群算法优化BP神经网络的权值、阈值及隐含层节点数,构建光伏出力日前预测模型;步骤5、将各相似日数据集的前百分之七十作为训练集数据输入到预测模型中训练神经网络并保存光伏出力预测精度最高的模型。

Patent Agency Ranking