363kV_GIS设备同频同相交流耐压试验的研究与应用

为解决GIS设备在扩建或检修后运行母线必须全部停电方可进行耐压试验的技术难题,近年来同频同相技术被广泛应用于220 k V及以下GIS扩建或检修后的不停电交流耐压实验,但其应用于330 k V及以上GIS设备不停电的交流耐压试验较少。本文针对某330 k V变电站363 k V GIS扩建间隔在邻近带电设备及母线不停电的情况下,对同频同相技术在超高压设备上的应用进行分析研究,并通过仿真计算及模拟试验验证该方法的可行性。通过现场试验,验证该方法的安全性和可靠性,为同频同相交流耐压试验技术在国网超高压设备上的推广应用有着重要意义。     

复掺废砖再生混凝土的抗压强度

试验研究水灰比、砂率、粉煤灰替代率、硅灰掺量及废砖替代率5个因素对复掺废砖再生混凝土抗压强度的影响.结果表明:水灰比、砂率和粉煤灰替代率对复掺再生混凝土28 d抗压强度的影响都是先增大后减小;随着硅灰掺量的增加,再生混凝土28 d抗压强度依次增大;随着废砖替代率的提高,再生混凝土28 d抗压强度逐步减小;当其他组分掺量适当,废砖骨料替代率为100%时,可以配制满足C30强度要求的再生混凝土.     

变压器典型局部放电信号辨识研究

为深入研究变压器典型局部放电的类型，提出了一种相关系数矩阵(correlation coefficient matrix dimension reduction, CCMDA)和深度学习相结合的特征识别方法。首先，对原始数据进行降维，保留关键特征；然后，引入深度学习框架，搭建ResNet34的残差结构，开展局部放电特征的识别。结果表明：相对于核主元分析(kernel principal component analysis, KPCA),相关系数矩阵降维效果更为显著；图片尺寸为64×64时，识别性能最好；学习率为0.001时，损失函数值最小。本文方法识别准确率高，明显优于卷积神经网络(convolutional neural networks, CNN)和支持向量机(support vector machine, SVM)。引入小波变换，可增强本文方法的鲁棒性。