昆柳龙三端直流闭锁对云南电网频率稳定影响及对策分析

来源 :云南电力技术 | 被引量 : 0次 | 上传用户:wlj190151
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
昆柳龙直流是南方电网首个±800 kV三端直流输电工程,由云南汇集乌东德右岸等电站机组出力后分别送往广东、广西,电压等级高、输送功率大,目前国内外均无典型应用案例,工程投产后将给电网的安全稳定带来较大挑战.本文结合昆柳龙三端直流规划方案,对直流闭锁故障对电网频率稳定的影响进行分析,提前辨析三端直流故障对电网安全的影响,提出应对措施和建议.
其他文献
针对大气层内固体火箭能量管理问题,提出一种邻近-牛顿-康托维奇凸规划的实时轨迹优化方法.首先,针对传统能量管理方法难以严格满足大气层内过程约束的不足,提出了一种对控制量模值积分进行惩罚的规则化方法,将能量管理问题转化为轨迹优化问题.然后,针对大气层内强非线性动力学与约束,提出一种邻近-牛顿-康托维奇凸规划方法,对优化问题中的非线性项进行线性化处理并在性能指标中引入邻近规则化项,提升了算法的收敛性.最后,为减小优化算法对初始猜想的依赖性,引入虚拟控制变量对控制约束与过程约束进行松弛.数学仿真结果表明:采用所
针对某多机并联火箭羽流流场结构复杂、底部热环境极为恶劣,有可能导致发动机结构部件失效的问题,通过数值仿真对其飞行过程不同高度下的羽流流场及热环境进行研究,并与热环境实测结果进行了对比分析.计算结果表明:火箭低空飞行时,各发动机羽流互不干扰,随着飞行高度不断增加,羽流逐渐扩张并开始相互干扰,最后在箭体底部出现明显回流,最大热流在起飞时刻,与飞行实测值基本一致.出现回流之前,箭体底部主要受辐射热影响,随着回流出现,对流热流随之增大,但也远小于起飞时刻的热流峰值.计算得到的多机并联火箭羽流流场及其热环境分布对发
考虑纤维织物碰撞过程中的生热、应变率强化及高温软化效应,引入Johnson-Cook模型及Gruneisen状态方程,建立纤维本构模型,基于FEM-SPH耦合算法,考虑纤维织物的纱线编织结构,建立了纤维织物超高速碰撞热-力学单胞模型.该模型可给出纤维织物超高速碰撞过程中的侵彻、破碎、应力、应变等力学信息,及纤维织物的生热和温度场等热学信息,模型分析与试验结果具有较好的一致性.
针对低温推进剂长期在轨贮存所面临的贮箱压力升高这一实际问题,热力排气系统(TVS)已被国内外研究学者认为是最具应用前景的贮箱控压方式.通过对国内外不同机构所开展的有关TVS方面的研究进行文献分析,重点梳理了低温贮箱TVS控压实验方面的发展脉络;对比分析了不同研究机构所开展的TVS工况设置与运行性能差异;提炼了TVS运行工作过程中的关键技术与相关结论.最后,基于低温推进剂在深空探测中大规模应用的需求,提出了中国在低温推进剂贮箱TVS压力调控方面的发展规划.
为了进一步加深对霍尔推力器工作过程中等离子体震荡的研究,基于金属-陶瓷复合放电室霍尔推力器金属壁面导电的特点,提出了利用金属壁面和阳极之间电势差振荡测量等离子体振荡的方法,对电势振荡与推力器工作参数的关系进行了实验研究.结果表明:电势振荡比放电电流振荡包含更多的信息;放电电压的增加会加大高频振荡的幅值,呼吸效应幅值随放电电压的变化情况与阳极流量的大小有关;阳极流量的增加仅对呼吸效应振荡幅值有明显影响;并且呼吸效应振荡幅值较大的模式对应的励磁电流呈带状分布.电势振荡与工作参数关系的研究为霍尔推力器等离子体振
针对公司建设安全可信、接入灵活、双向实时互动的“泛在化、全覆盖”配电通信网的迫切需求,基于5G智能电网典型应用场景,提出基于5G切片的多业务泛在智能电网架构.研究了面向服务的5G端到端切片技术和5G电力终端泛在可信接入技术,分析针对智能电网不同业务场景,如何提供超低时延、高带宽、大连接、高安全性的差异化网络服务.提出了多种应用场景,进行“多业务接入、多网域切片、多维资源灵活管控”的立体化应用.在业务方面,系统可以实现高清视频回传、低压集抄等多种业务可信泛在接入.在网络方面,实现基于5G可靠高效的泛在接入网
变压器油中溶解气体检测是目前国内外公认的诊断油浸式电力变压器早期潜伏性故障的有效方法之一.拉曼光谱利用单一波长的激光同时实现混合气体直接检测,具有明显的优势.论文开展了基于空芯光子带隙光纤的光纤增强拉曼光谱检测实验研究:基于MATLAB仿真确定了最佳光纤长度为1 m;设计并搭建了基于空芯光子带隙光纤增强的变压器油中溶解故障特征气体拉曼光谱检测平台,对比分析了H2、CO2和C2H6气体的光纤增强拉曼光谱检测特性,相比不采用光纤的直接测量,各气体特征峰峰面积及峰高均增强约9倍,表明了光纤增强拉曼光谱气体检测的
变电设备缺陷是影响电网平稳运行的重要因素,及时发现变电设备缺陷在提升电网可靠性、供电质量、运维水平等方面都具有重要意义.随着视频监控、智能巡检机器人等设施在变电站的逐渐普及,传统人工诊断方法难以应对海量的监控图片.因此本文提出一种基于深度学习的变电设备缺陷检测方法来快速检测监控图片中的缺陷,使用单阶段目标检测算法YOLOV4来进行缺陷检测.由于变电站多处于野外,安装在变电站的摄像头极易受到灰尘、水汽的影响导致所拍摄的图片质量不佳,针对此问题,本文在图像预处理阶段采用暗通道去雾算法对图像进行处理,从而改善图
输电线路运检工作对电网的安全运行起着至关重要的作用.当前无人机正在加快与5G、北斗、物联网、人工智能、大数据等新技术融合,构建数字化、智能化的输电线路泛在巡检技术体系,并与智慧输电线路应用场景深度融合,优化和重构无人机电力运检技术体系与框架,推动无人机线路巡检进入智慧巡检阶段.文章提出了“5G+无人机”输电线路泛在巡检技术思路,并通过在输电线路智能巡检体系建设中的实际研发应用,证明5G网联无人机超远程低时延控制无人机或多机协同开展输电线路全自主无人智能化巡检,并实时开展故障研判和缺陷智能分析是完全可行,对
变电站设备缺陷数据是反映设备状态的重要指标,是设备全生命周期管理的重要记录,蕴含着大量有效的信息.以非结构化的缺陷描述文本数据为研究对象,采用Python编程语言,首先建立自定义词典,基于隐马尔可夫法(HMM)进行分词处理,然后通过计算TF-IDF值排序,生成可视化的词云效果,最后研究了一种快速分类预测的模型,并对模型进行效果评估,使现场人员能根据缺陷描述快速判定缺陷等级,减少判定时间,提升工作效率.