【摘 要】
：
开关柜长期发热对其绝缘强度与使用寿命有很大影响,其内部结构复杂,测温设备不能精确监测各部分温升状态.为了更好地控制发热,探究自然对流条件下开关柜内部温度分布规律,采用有限元分析法,将某型号开关柜三维模型进行电磁场-温度场的耦合仿真计算,使发热量的计算结果更加精确,分别得到稳态与瞬态情况下的温度分布云图,温升仿真结果与温升实验的数值误差不超过6％,验证了仿真计算的准确性,为开关柜后续优化设计提供了理论依据.并设置通过不同运行条件,探究了环境温度、负载电流、接触电阻等因素对开关柜发热的影响,深入探究开关柜内部
【机 构】
：
广西大学电气工程学院,南宁530000;国网河南南阳供电公司,河南南阳473000;广西大学电气工程学院,南宁530000;河南工业职业技术学院,河南南阳473000;国网河南南阳供电公司,河南南阳4
论文部分内容阅读
开关柜长期发热对其绝缘强度与使用寿命有很大影响,其内部结构复杂,测温设备不能精确监测各部分温升状态.为了更好地控制发热,探究自然对流条件下开关柜内部温度分布规律,采用有限元分析法,将某型号开关柜三维模型进行电磁场-温度场的耦合仿真计算,使发热量的计算结果更加精确,分别得到稳态与瞬态情况下的温度分布云图,温升仿真结果与温升实验的数值误差不超过6％,验证了仿真计算的准确性,为开关柜后续优化设计提供了理论依据.并设置通过不同运行条件,探究了环境温度、负载电流、接触电阻等因素对开关柜发热的影响,深入探究开关柜内部温度分布规律.
其他文献
针对现有公路边坡危岩体缺乏有效监控预警的问题,提出一种基于改进灰色GM(1,1)模型的公路边坡危岩体监控预警系统,以实现边坡的自动化监控与报警.对此,首先提出本系统构建的思路,然后按照思路分别对边坡现场数据采集、边坡稳定性评价等模块进行详细设计.其中,在边坡危岩体稳定性评价中,采用可变长度滑动窗对标准灰色GM(1,1)预测模型进行改进,以提高对稳定性系数k的预测精度.最后,通过仿真和系统构建的方式,验证了上述提出的基于改进灰色GM(1,1)模型在公路边坡危岩体监控预警的有效性,为公路边坡危岩体监控预警提供
针对目前系统故障诊断模块远程控制方法未计算局部均值,导致系统故障诊断时间长、诊断准确率低的问题,提出数控机电仿真实训系统故障诊断模块远程控制方法.采用数据采集器、数据库服务器、Web服务器、故障诊断管理工作站,完成故障诊断远程控制模块设计.制定故障数据采集程序流程,采集设备故障数据,利用权重方法均值计算设备故障数据,得出局部均值避免边界效应,获取故障数据中有效分量,再运用分解信号得到局域波分量,求出原始信号得出时频信号,实现对系统故障模块的远程控制设计.实验结果表明,所提方法诊断准确率高,诊断时间短.
为避免电力调度操作票系统运行过程中,因用户并发量较大导致系统性能无法保障自身正常运行的问题,设计基于人工智能技术的电力调度操作票系统.系统以人工智能技术为基础,整体划分为服务器端与客户端两个主要部分,服务器端利用推理机智能推理过程中,结合电网运行状态,通过逻辑状态初判和潮流计算详细分析,实现操作步骤安全性校核,客户端依照调度值班人员所在地信息化环境完成操作票的出票、审核与下发等人机交互服务.实验结果显示该系统在用户并发量为200的条件下,CPU占用率均值、内存占用率均值和最大响应时间均较小,可以满足实际应
针对现有神经网络结构构建的英语机器翻译模型,因长距离依赖导致长距离信息在传递过程中丢失,导致英语机器翻译效果不理想的问题,提出一种注意力嵌入的LSTM英语机器翻译模型.首先,根据标准LSTM网络模型编码阶段采用固定维度向量表示词的特点,在LSTM模型中引入注意力机制,建立了基于LSTM注意力嵌入的英语机器翻译模型;然后,在TensorFlow框架上搭建英语机器翻译系统,并在IWSLT2019数据集上对提出模型进行仿真实验.结果 表明,本研究提出的基于LSTM注意力嵌入的英语机器翻译模型,相较于现有神经网络
常用系统在提取故障识别特征参数时,仅提取了机械信号时域特征,而忽略了频域特征,导致故障识别准确率较低.针对这一问题,设计一种健美操腰部训练器故障自动化识别系统.硬件方面,采用双核结构处理器,嵌入惯性速度传感器,利用A/D转换芯片,采集训练器振动信号,优化信号预处理健相电路;软件方面,提取振动信号的量纲时域特征、无量纲时域特征、频域特征,获得信号时频图谱,输入卷积神经网络,识别训练器故障模式.采集训练器10种不同运行状态信号,作为测试样本,设置对比实验,结果表明,设计系统提高了故障位置、故障类型、故障程度的
针对日语短时语音识别准确率较低、系统鲁棒性有待提高的问题,研究提出一种基于DBN深度学习的日语识别方法.通过对DBN模型结构和其训练方法进行分析,构建了基于DBN深度学习的日语识别系统,明确了该系统的识别流程,并通过仿真实验对系统性能进行了验证.结果 表明,本研究基于DBN深度学习的日语识别方法,具有良好的日语识别效果,相较于传统基于深度学习的HMM模型,在不同时长的日语语音输入序列在识别准确率上,本研究方法的准确率具有明显提升,识别错误率也明显下降.
基于机器人操作系统(Robot operating system,ROS)框架,以6自由度ABB机器人为研究对象,设计了一种基于在线预测和规划的机器人动态跟踪抓取方法.系统通过预先检测目标物的运动状态在线预测其运行轨迹,并对预估轨迹进行运动规划得到机械臂的跟踪轨迹,以实现机器人对移动目标物体进行动态跟踪抓取.针对ROS系统与机器人通信反馈机制造成机器人跟踪过程断续、跟踪轨迹不连续的问题,设计了一种多轨迹融合方法,用于运动规划时融合多段轨迹,实现了机器人持续地跟踪移动物体.针对机器人对不同移动速度的目标物体
常用机器人人机交互模块自动优化方法,采集人体数据存在噪声,测量数据和真实数据误差较大,导致交互作用下机器人到达目标点的距离偏差较大.针对这一问题,研究智能翻译机器人人机交互模块自动优化方法.映射相机坐标系到机器人基坐标系,定位机器人视觉,抓取人手目标对象,平滑滤波采集图像,消除测量数据噪声误差,定义手势和运动方式对应关系,识别手轮廓和指尖数量,手势交互控制机器人运动方式.布置简单、一般复杂、复杂障碍环境,设置对比实验,结果表明,设计方法相比常用方法,减少了机器人到达目标点的距离偏差,保证了手势交互控制精度
随着园区级能源互联网的迅速发展,能源数据海量聚集,园区能源大数据分析显得越发重要,而电力数据作为能源数据的重要组成部分,开展园区电力数据采集分析成为园区能源大数据分析的关键.传统系统采集电力信息时,原始数据中缺省值和异常值较多,信息数据中存在噪声,导致系统管理效率和吞吐性能较差.为此,提出基于大数据分析的能源互联网电力信息管理系统.硬件设计方面,选取数据采集通道、通信接口、人机交互等,作为数据采集器主要组件,采用底板和核心板方式,优化电源电路;软件设计方面,利用能源互联网监控电力设备,通过大数据分析技术,
垂直螺翼式水表的叶轮与水流方向垂直,流道呈倒Z字形,现有老结构产品量程比已经很难提高,受水流压力变化误差偏移较大,高等级时最小流量不稳定等现象.针对垂直螺翼式水表的这些现象进行研究,分析其短板存在的原因,对产生影响的主要水表零部件(表壳、计量机构、减速指示机构等)进行了优化,并对水表的流道、计量特性等进行了深入研究,改进了水表的结构,提升了水表的性能,为垂直螺翼式水表的性能提升和结构设计提供参考和借鉴.