基于电网谐波阻抗估计的并联电容器组优化配置方案

采用先投入高串抗率电容器、后投入低串抗率电容器这种单一配置方案,导致变电站出现高串率电容器频繁投切、寿命降低和无功容量浪费问题。为了解决这些问题,提出一种基于阻抗估计和多电能质量约束的变电站电容器组优化配置方法。首先,获取电容器投切后公共连接点母线电压电流数据;其次采用小波最大最小阈值去噪,通过Prony算法得到暂态电压、电流数据来估计系统谐波阻抗,最后结合AVC下达的调度指令和目标函数在满足电网电能质量约束条件下对电容器组进行优化配置。结果表明,在满足电能质量约束和AVC调度指令下,优化配置后高低串抗率配置频次均有所改善,高串抗率电容器组投入频次下降32%,低串抗率电容器组投入频次由26%提高至58%。由系统谐波数据、谐波源和电容器等元件组成的谐波阻抗模型,以及基于谐波谐振机理设计的电容器组配置方案,能够提高数据分析的准确性,减小电容器损坏以及解决无功容量损失问题,提高供电质量,可为变电站电容器组的配置提供借鉴。     

室内环境污染物检测中采样过程的质量控制

文章对室内空气中苯、TVOC、氨、甲醛、氡检测采样过程的具体步骤及质量控制进行归纳和总结,并对室内采集苯和TVOC所使用的采样器作了进一步的探讨和提出看法,以避免出现采样过程影响检测结果的现象。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。