输电线路覆冰故障分析及对策

输电线路是电力系统的命脉,保证输电线路的安全运行是电力系统各部门的重要任务。文章详细地阐述了覆冰对输电线路的危害,并结合历年来的线路故障进行分析,提出相应的应对及预防措施。     

神经网络在输电线覆冰增长因素中的应用

在分析影响输电线覆冰增长因素的基础上,利用数据挖掘中的BP (Back Propagation)神经网络方法,建立导线覆冰增长的BP神经网络模型.利用此模型研究不同因素对输电线覆冰增长的影响,将采集的数据样本训练BP神经网络,利用收敛的网络进行输电导线覆冰增长的预测,研究结果对输电线路的覆冰预防具有较好的参考价值.     

高压输电线路防止覆冰灾害的预防

根据南阳市西部近几年冬春季高压输电因线路导线覆冰导致输电线路倒塔(杆)、断线的实际情况,就高山地区在冬季防止输电线路倒塔(杆)、导线断线的预防措施进行探讨。     

自然条件下输电线路导线覆冰增长特性

输电线路导线覆冰严重威胁着电网安全运行.导线覆冰过程复杂,影响因素众多,对其覆冰增长规律的准确掌握是建立并优化导线覆冰数值计算模型的基础.从自然覆冰试验出发,依托雪峰山自然覆冰试验基地对不同种类的导线进行了自然覆冰观测试验,研究了导线直径、导线表面处理情况、覆冰类型及导线扭转对导线覆冰增长过程的影响.通过导线表面水滴碰撞系数的计算分析了不同直径导线覆冰的差异性.研究结果表明:自然环境条件下,风速对导线雾凇覆冰冰形起决定性作用,覆冰主要在导线迎风面(横向迎风侧)累积,而背风侧和纵向覆冰较少.覆冰厚度随时间非线性增长,导线直径越小,覆冰厚度增长越快.导线扭转使得导线背风侧向迎风侧转变,覆冰厚度增长速率加快.雨凇覆冰时,除迎风侧翼型覆冰外,导线下方易冻结形成冰棱,使得冰形结构更为复杂.     

输电线路覆冰闪络原因分析与解决方法探讨

线路覆冰已成为输电线路事故的主要原因之一。本文对覆冰形成、分类和除冰方式等方面进行说明,并讨论了计算线路覆冰数据变动的数据模型和绝缘子覆冰闪络的电路模型,对比了输电线路覆冰在线监测方法。     

对输电线路覆冰问题的技术探讨

1993年-2003年期间定西电网管辖的110kV陇渭线多次发生线路覆冰跳闸故障，对定西电网的安全运行造成了不良影响。通过具体线路覆冰实例，找出这些事故发生的原因并提出了预防措施。     

塞北地区500kV输电线路覆冰研究

对因覆冰造成的500kV输电线路故障进行了分析,从地理位置、气候、线路路径等方面探讨了覆冰形成原因,提出了防止冰害的对策。     

输电线路覆冰舞动研究综述

线路舞动是输电线路覆冰后常见的事故类型,对电力系统的安全稳定运行产生严重的影响;因此输电线路舞动的研究一直以来是研究的热点。舞动是覆冰导线在风激励下产生的一种自激振动,会引起输电线路跳闸,严重时引起断线、金具破坏甚至倒塔等严重设备故障,造成长时间停运。对输电线路舞动的影响因素、机理研究及防治方法等方面进行介绍和综述;并对现有研究进行总结,指出今后可能的研究方向。     

架空输电线路覆冰和融冰仿真研究

为了辅助运行人员在冬季不同气象条件下对输电线路的覆冰危害进行定量分析,以及合理选择直流融冰电流和融冰时间,对架空线路的覆冰和融冰仿真软件进行了研究,提出了一种便于使用的考虑导线所处微地形环境和风向等综合因素的覆冰增长计算方法,并分析了覆冰仿真软件程序框图;利用载流导线的热平衡方程,选择导线最高允许运行温度为70℃,计算了导线的最大融冰电流并对计算误差进行了分析;利用覆冰导线表面冰融化时的热平衡方程,分析了覆冰导线融冰时间的计算方法,并分析了融冰仿真软件的程序框图。     

110kV输电线路覆冰受损原因分析

该文对输电线路在较大覆冰情况下出现断线的原因进行了总结和分析。结合某地区覆冰实际情况分析110千伏线路断线的原因，并提出了一些建设性措施，为今后电力线路设计提供了一定的参考价值。     

基于BP神经网络诊断桥梁结构故障

改进BP算法加快其收敛速度,将其应用于诊断悬梁板的故障.通过仿真实验验证该算法可行有效,可实现故障裂纹位置的预测,提高故障识别率28.01%.     

基于PSO-EO算法优化的BP神经网络研究

PSO算法优化的BP神经网络解决了其收敛速度慢或不收敛等缺点,但PSO算法本身却存在早熟和局部收敛的问题。为此引入EO算法,用EO算法与PSO算法相结合对BP神经网络进行改进。通过实验表明:EO算法与PSO算法结合优化的BP算法具有良好的收敛性和较高的预测精度,其性能优于传统的BP算法及PSO优化的BP算法。     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

基于BP神经网络的区域短期地震预测模型研究

在详细分析和归纳地震数据及其特征的基础上,提出了可以对地震震级进行量化预测的方法,以江苏省区域为研究对象,采用线性回归和常规BP神经网络方法进行了震级预测,并在总结了这两种方法优缺点的基础上,提出了"线性回归+神经网络"的融合模型。回溯检验结果表明,该模型的预测效果得到显著改善。     

基于BP神经网络的PID控制器

介绍了一种基于神经网络自学习PID控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求, 其主要特点是采用线性预测模型来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果。     

基于BP神经网络的短期降水预报

人工神经网络(Artificial Neural Network,简记为ANN)是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,并在工程上具有非常广泛的应用前景．本文介绍了BP神经网络的结构及算法,基于BP神经网络的短期降水预报模型的建立,并分析了BP算法在该应用中的优缺点．     

遗传算法在BP神经网络学习中的应用

在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法．     

基于分层遗传算法的BP神经网络学习算法

针对BP算法局部搜索能力强,而分层遗传算法全局搜索优势突出的特点,结合二者优势构造了一种分层遗传算法与BP算法相结合的前馈神经网络学习算法．将分层遗传算法引入到前馈神经网络权值和阈值的早期训练中,再用BP算法对前期训练所得性能较优的网络权值、阈值进行二次训练得到最终结果．仿真结果表明,该混合学习算法能够较快地收敛到全局最优解,优于BP算法、分层遗传算法,具有一定的实用价值．