首页期刊导航|电力科学与技术学报
期刊信息/Journal information
电力科学与技术学报
电力科学与技术学报

曾祥君

季刊

1673-9140

dlxb04@163.com

0731-85258195

410004

长沙理工大学云塘校区

电力科学与技术学报/Journal Journal of Electric Power Science and Technology北大核心CSTPCDCSCD
查看更多>>本刊主要刊载电力系统自动化理论、技术及其应用、电网技术、高电压技术、电力市场与电力系统运行管理、供用电技术、电能质量与节能技术、电力自动化设备、热能动力工程、动力与机械工程、水利水电工程、新能源技术、电力系统通信、计算机技术及其它高新技术在电力系统中的应用、电力土木建筑工程、电厂化学与环境工程等方面的最新研究成果。
正式出版
收录年代

    基于振动信号的城市电网变压器直流偏磁状态辨识方法

    刘君牛唯赵露谈竹奎...
    169-178页
    查看更多>>摘要:针对城市轨道交通杂散电流引起的变压器直流偏磁问题,提出一种基于振动信号的城市电网变压器直流偏磁状态辨识方法,排除了短路故障、电网谐波干扰对状态辨识的影响.首先,分别对直流偏磁、短路故障、电网谐波干扰下的变压器振动信号的持续时间及频率特征进行分析,研究发现,相比于其他故障,在直流偏磁下变压器振动将加剧,振动信号频率分量复杂化,出现一系列高次谐波分量,特别是50 Hz奇倍频分量增加明显;然后基于此,利用振动信号除100 Hz外的50 Hz倍频分量的能量之和,排除短路故障对直流偏磁状态辨识的影响;其次,利用除100 Hz外的50 Hz奇倍频分量与除100 Hz外的50 Hz倍频分量的能量之和的比值,排除电网谐波干扰对直流偏磁状态辨识的影响,以实现城轨杂散电流引起的变压器直流偏磁的状态辨识;最后,对现场实测数据进行分析及处理,进一步验证该方法的准确性.

    变压器振动信号杂散电流直流偏磁状态辨识

    一种新K-means聚类算法的多元线性回归台区线损率预测模型

    张裕徐依明张彦赵庆明...
    179-186页
    查看更多>>摘要:线损率是反映线损管理的重要依据,由于其理论计算的复杂性,一直倍受电力工作者的广泛关注.基于国内外线损管理研究现状以及相关理论计算方法,提出一种基于K-means聚类算法的多元线性回归模型预测台区线损率方法.首先,利用K-means聚类算法对台区样本数据聚类分析,根据聚类结果建立线性回归预测模型计算台区线损率.然后,通过预测线损率与实际线损率比较分析,对线损估计误差较大的台区重点关注.最后,以贵州部分地区的台区样本数据为依据,验证所提方法的准确性与快速性,为贵州地区的线损管理提供理论依据.

    线损率K-means聚类算法聚类分析预测计算

    用电采集系统停上电事件的数据质量辨识技术

    王建雄罗心仪闫林唐海国...
    187-194页
    查看更多>>摘要:为解决智能配电网抢修服务平台中数据质量缺陷对预警抢修精准度产生负面影响的问题,提出一种针对用电信息采集系统停上电信息的数据质量处理方法.首先使用回归方法对数据整体异常率进行辨识,其次依据完整性、唯一性、一致性、准确性各项辨识指标对停上电数据缺陷进行辨识与处理,最后分析最新数据与历史数据之间的显著关系,辅助实现数据时效性辨识.该方法对源数据的质量进行辨识与处理,为后期平台建设中信息集成和故障研判的开发运行提供可靠的数据支撑.

    智能配网数据质量异常检测停上电数据用电采集系统

    蛙跳式充电的无人机自主巡线技术与系统(一):基于GPS/RTK的无人机自主定位

    关家华孙广慧陆凯烨潘景志...
    195-200页
    查看更多>>摘要:为解决无人机巡线过程中的续航难题,设计实现基于蛙跳式充电的无人机自主巡线系统.作为第一部分,本文基于GPS/RTK的无人机自主定位展开研究.首先,针对南方电网公司提出的无人机无人操控自主巡线目标,搭建了蛙跳式充电平台,以提高无人机的续航能力;然后,为保证无人机能按预设航迹进行自主导航,并准确降落到地面平台进行充电,对无人机GPS/RTK组合导航模块中自主巡线关键技术进行了研究;最后,分别对巡线技术中姿态解算、加速度补偿及延时补偿这3个主要环节进行实验仿真.实验结果表明:姿态解算算法可以准确地估计无人机在飞行中的飞行姿态,并能适时快捷地补偿运动加速度;延时补偿算法能有效地解决定位传感器延时的问题;在气压计输出高度数据不健康时,系统能识别数据的健康状况,并自动融合GPS输出的高度数据.因此本文提出的方法和研究结论对无人机的自主巡线有着重要的工程指导意义.

    无人机导航延时补偿姿态解算

    基于双视卷积神经网络的输电线路自动巡检

    戴永东王茂飞唐达獒毛锋...
    201-210页
    查看更多>>摘要:卷积神经网络算法被广泛应用于输电线路自动巡检领域,但传统卷积神经网络电力缺陷识别模型的泛化能力较差.为此,提出一种融合双角度图像信息的卷积神经网络检测算法(CVR-RCNN),其利用2个视角可见光图像识别输电线路的常见缺陷.经实验测试,CVR-RCNN模型具有良好的鲁棒性,受试者工作特性(ROC)曲线下面积(AUC)值高达0.927,缺陷检测准确度较传统算法有显著提高.因此,CVR-RCNN能明显改善电力缺陷检测效果,可为无人机自动巡检输电线路提高准确稳定的算法架构.

    无人机巡检输电线路缺陷深度学习卷积神经网络

    《电力科学与技术学报》征稿启事

    封3页