基于黑洞粒子群和多层级SVM的低压交流系统短路故障类型辨识

针对低压交流系统的短路故障诊断问题,提出一种基于黑洞粒子群(BHPSO)和多层级SVM的低压交流系统短路故障类型辨识方法。首先,基于故障前后0.5ms电流信号小波变换分解,采用小波细节分量标准差构建故障特征向量。其次,采用黑洞粒子群算法对SVM的核参数和惩罚因子进行参数优化以构建多层级SVM分类器实现低压交流系统短路故障类型辨识。最后,基于TMS320F28335 DSP将故障类型辨识决策模型加以硬件化技术实现。通过低压交流系统短路实验证实本方法准确率高,且在噪声干扰、负荷电流变化等工况下均有较好的鲁棒性。     

巡检无人机应急充电电源管理系统设计

自然灾害后的电力线路巡检中需要无人机高强度、高频次启动巡检,但无人机电池日常不能满电保存,续航能力只有15～30 min,现有的无人机充电装置充满电池需要3～5 h,且无法进行外出巡检应急充电.为此,提出巡检无人机组应急充电装置及其电源管理技术,设计开发满足前述需求的整流、逆变技术,研制无人机电池应急充电装置.利用TCP/IP协议远程传输电池电压电流信息,并建立巡检无人机车载应急充电电源管理系统,实现对电池组应急充电管理及其电源远程监控.实验测试结果表明,应急充电电源管理系统可兼容不同厂家、不同型号无人机电池的应急充电与远程管理,实现一套无人机应急充电装置满足5架无人机高频次巡检的锂电池组应急充电需求.     

数字孪生技术在电力物资仓储管理中的应用

目前,电力物资仓储管理面临着资源统筹能力欠缺、智慧调控能力不足等挑战,而传感检测、信息通信、数字孪生等技术的快速发展与广泛应用,为解决电力物资仓储管理难题提供了思路。该文对电力物资仓储管理现状进行归纳分析,深入分析数字孪生技术的典型特征,提出基于数字孪生技术的电力物资仓储智慧管理体系架构及其关键技术,并将其应用于示范项目,为进一步深化研究及应用提供参考和借鉴。