电力检修中的风险与对策研究 下载：318 浏览：2982

党菲 《电力研究》 2021年6期

摘要: 工业化水平以及经济实力的不断提高使得我国的用电量持续的增加，给电力系统带来了巨大的压力，电力设备系统经常出现瘫痪等问题，不利于我国的经济发展。因此，为了进一步提高电力系统的稳定性，满足人们的用电需求，保障生活中的用电安全，需要不断强化电力检修工作。电力检修是一项较为复杂的工作，其中包括各种不确定性的风险因素，给操作人员带来了一定的安全隐患，所以要对电力检修工作中的主要风险进行分析，并且采取科学的控制措施，从而减少电力检修工作的安全风险。

高压电气设备交流耐压试验中的特殊情况分析 下载：330 浏览：3141

韩剑 《中国设备》 2021年7期

摘要: 交流耐压试验是高压电气设备交接与预防性试验中必不可少的试验项目，属于破坏性试验，是考核绝缘最有效、最直接的方法和手段。在交流耐压试验过程中，除了试品被击穿外，可能会遇到一些突发的异常情况。本文针对交流耐压试验项目，结合平时试验过程中遇到的特殊情况具体案例，进行分析说明，为从事电气试验的同行提供参考。

电力变压器油色谱在线监测系统的研究与设计 下载：218 浏览：1735

耿晓涛 《设计研究》 2022年2期

摘要: 油浸式电力变压器的绝缘主要是由绝缘油和浸在油中的绝缘纸板等组成。其中绝缘油又称变压器油, 主要成分是烷烃、饱和烃、不饱和烃等化合物。绝缘纸板等材料主要是由纤维素构成。通过长时间的运行, 变压器油和固体绝缘材料在热老化、电老化和电化学老化的过程中会分解出极少量的氢气 (H2) 、一氧化碳 (CO) 、甲烷 (CH4) 、乙烷 (C2H6) 、乙烯 (C2H4) 、乙炔 (C2H2) 或二氧化碳 (CO2) 等气体。当故障发生时这些气体的产量会迅速增加。为确保变压器的安全运行, 利用油色谱试验来分析绝缘油中溶解气体的含量, 以此来判断变压器故障的类别。传统的实验室油色谱试验分析方法, 试验周期长, 时效性差。而油色谱在线监测系统, 可实时监测变压器运行状态, 及时更新参数, 及时诊断故障, 可以初步判断故障趋势。

500 kV GIS避雷器结构特性研究 下载：191 浏览：2522

张娟 《能源学报》 2021年7期

摘要: 我国地震灾害频发，地震带分布范围广，具有震源浅，烈度高，危害大等特性。在地震中，电气设备因为其特殊结构与材料而易损坏。这不仅带来巨大的直接经济损失，也给抢险救灾带来了阻碍。因此保障电气设备在地震中不受损并能够正常运行具有重要的意义。针对于此，已有大量的研究对此进行讨论。GIS避雷器是电力设备中的关键一环，其在地震灾害中能够不被破坏对于维护电力设施的稳定具有重要意义。关于电力设备抗震性能的实验，多采用振动台实验与有限元计算相结合的方式。结果显示有限元计算具有足够的精确度，可以在实际的设计与检验工作中提供指导。

人工智能技术在电力设备运维检修中的研究及应用 下载：153 浏览：3655

严智 《人工智能研究》 2021年8期

摘要: 电力设备的运行状态与电力系统的稳定及安全密切相关。全面、准确地掌握电力设备的内外部多源数据，并通过科学的手段进行信息汇总和融合，从而对设备的运行状态与变化趋势做出准确的评估和预测，并安排合理的运维检修计划，是整个电力系统可靠、经济运行的关键前提和重要基础。人工智能技术（artificial intelligence， AI）在识别、预测、优化、决策任务中的效率、精度、自学习能力等方面的发展和突破，为电力设备的运维检修提供了一种全新的技术手段与研究思路。论文回顾了人工智能在输变电设备运维检修业务中的关键技术和应用现状，按照数据层、算法层和应用层逐级展开论述和分析，梳理了设备运维的相关数据情况及现存问题，指出了人工智能关键技术框架及各类算法的应用特点与范围，总结了各类典型运维场景中的人工智能应用进展与困难，并提出了未来的重点解决思路，最后分析了人工智能技术应用所面临的问题，并对其发展趋势进行了展望和建议。

基于电力大数据应用的故障诊断研究分析 下载：318 浏览：2888

孙红霞 《数据与科学》 2021年6期

摘要: 随着信息化程度的不断提高，电力系统每天产生的数据以指数爆炸的方式进行增长，海量的数据如何进行挖掘与分析，成为电力人员亟需解决的问题。电力大数据技术是指采用大数据相关技术对海量的数据进行提取、加工、存储以及分析。电力大数据涉及到电力系统的各个角落，包括发电、输电、变电、配电、用户等各个用电环节，电力系统不缺乏基础数据。故障诊断技术自电力系统诞生以来就一直是电力人员持续关注的问题，由传统的人工诊断到专家诊断都始终停留在依靠人工经验处理分析的阶段，分析了电力系统在故障诊断技术上存在的不足，探索采用大数据分析来取代传统人工分析的方法;参考文献[3]阐述了电力系统产生的电力数据具有明显的大数据特征，包括数据种类繁多，涉及生产、营销、通信、后勤、地理信息等，其次数据信息流巨大，建成的系统有营销系统、计量自动化、在线检测系统、主网调度信息平台、CSADA系统等，这些系统每天24h不停运转，产生PB级基础数据;通过结合实际案例来阐述智能电网面临的挑战，以及电力大数据在智能电网上的应用，并没有用于电力系统设备故障检测，而随着电力系统自动化程度不断提高，获取的数据维度不断增加，传统的分析模式不再能适用于现代的电力系统。最缺的是分析海量基础数据的平台和渠道，如何获取不同用电环节的电力数据是电力故障诊断最关键的一环。