电力变压器局部放电在线标定的研究

视在放电量的标定是利用脉冲电流法进行变压器局部放电在线监测的前提。传统的离线标定要求被测变压器处于停电状态，实际操作也较麻烦，难以适应在线监测的要求。文中对目前较常用的套管末屏注入在线标定法进行了研究，讨论了降压电感、套管末屏电容和变压器外壳多点接地等对在线标定中方波波形及测量灵敏度的影响。实验室模拟试验和现场试验表明，在工程允许的误差范围内，套管末屏注入的在线标定与离线标定具有可比性，技术上是可行的。     

电偶极辐射的计算方法

本文讨论了在宏观情形下,真空中分布于一个小区域内的电流,在远区所产生的电偶极辐射的计算问题.指出了文献[1]中的欠妥之处,明确了电偶极辐射的物理含义.     

基于模型诊断和skyline查询的电网故障诊断

针对基于专家经验的电网故障诊断系统开发周期长,且难以诊断经验之外故障的问题,提出一种基于模型诊断和skyline查询的电网故障诊断方法.该方法根据测点分布将待诊断系统分解成若干独立子系统,利用故障输出与元件之间的因果关系建立系统模型,然后推理每个子系统的候选诊断,将实际告警信息引入到模型诊断逻辑框架中,运用skyline查询算法从候选诊断中识别故障元件.通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,提高了诊断的效率,将实际告警信息引入到模型诊断的逻辑框架内,提高了诊断的有效性.仿真表明方法条理清晰,计算简便,能够有效地减少诊断时间和空间复杂度.     

无线传感器网络中一种基于功率控制的MAC协议

无线传感器网络中,跨层协议的设计已成为研究热点.通过提取网络层和物理层中的一些信息,可以改进MAC(介质访问控制)层协议的设计.针对已有的一些跨层协议进行综合并优化,通过提取网络层的路由信息和物理层的发射功率信息,改进了MAC层TDMA(时分多址)方式下的时隙分配算法.通过更合理的时隙分配以及对每个节点发射功率的控制,使得整个无线传感器网络的能耗降低,寿命延长.从仿真结果可以看出该MAC协议达到了应有的效果.     

电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

液压蓄能式波浪能装置发电系统的特性

分析了液压蓄能式波浪能转换器(WEC)的工作原理和优势;根据液压马达和永磁同步发电机的数学方程推导出了发电系统的4个基本特性,分析了蓄能器压力和发电机负载对转速、电压和功率的影响;针对液压蓄能式WEC发电系统的两种工作模式——恒电阻模式和恒转速模式,建立了液压蓄能式WEC发电系统的Matlab/Simulink仿真模型,并进行了仿真实验,结果验证了关于液压蓄能式WEC发电系统特性推理的正确性.     

基于相位翻转PTS降低OFDM系统PAPR的改进算法

为解决OFDM(Orthogonal Frequency Division Multiplexing)系统中IPTS(Iterative Partial Transmit Sequences)抑制PAPR(Peak To Average Power Ratio)强度有限的问题, 提出了采用梯度递减的搜索方法将传输数据分为D 层、对传输数据进行逐层筛选、并将每层内相位因子的搜索与IPTS 技术相结合的改进算法。仿真结果表明,改进算法在较IPTS 复杂度增加不大的前提下, 其抑制PAPR 的能力有显著提高。在128 个子载波的OFDM 系统中, PTS 子序列数V 取8, 外层分块数D 取2, 累积分布函数(CCDF: Complementary Cumulative Distribution Function)为10^-5 时, 改进算法的PAPR 值比IPTS 算法降低近0. 5 dB。     

采用新型双绞铜箔的变压器线圈交流损耗建模与分析

提出一种应用于低压大电流高频开关电源功率变压器的新型双绞并联铜箔线圈.由于铜箔双绞并联,铜箔间的电流及电流密度均匀,从而减小了并联线圈的交流损耗.与线圈的交错结构比较,双绞铜箔并联结构线圈的变压器具有最小的原副边耦合电容.通过建立一维涡流模型,对新型双绞铜箔进行交流损耗分析,分析结果表明铜箔绞绕方案能有效减小线圈损耗.     

基于混合校正内点法的最优潮流

提出了一种混合校正的内点法.该方法有效结合了预测校正和中心校正方式,在预测校正过程中通过动态选择校正方向在总的牛顿方向中的比例来优化搜索方向,以改善中心校正的效果,进而加快了整个算法的收敛速度.通过IEEE 57、IEEE 118、IEEE 300和3个实际系统的仿真计算表明,与多中心 校正内点法相比,此算法能以更少的迭代次数和计算时间快速收敛.此外,计算结果还表明,该算法比传统的预测 校正内点法及其衍生的内点法更具有鲁棒性.     

伴随极值分布函数的弱收敛

设{(X_n,Y_n)}是i.i.d.随机向量序列,共同d.f.为F。本文在更弱的条件下证明了A_n^-1(Y_{(n, n)}-B_n)→I对某准d.f.I成立,从而推广了Nagaraja和David的结果。此外还指出：对于(a_n^-1(X_{n, n}-b_n),A_n^-1(Y_{(n, n)}-B_n))的联合分布的弱收敛,本文的条件不仅充分,而且必要。最后,揭露了二元极值弱收敛与(a_n^-1 (X_{n, n}-b_n), A_n^-1 (Y_{(n, n)}-B_n))的联合分布弱收敛之间的紧密联系。