国家电网公司继电保护故障信息处理系统技术标准,国网103规约,保信主子站通讯规范
2022-05-24 22:54:57 7.91MB 国网103 保信
1
5G典型行业应用解决方案 5G关键技术介绍 车联网解决方案 智慧医疗解决方案 智能教育解决方案 智能电网解决方案 智能电网概述 智能电网需求分析 智能电网解决方案 智能电网案例 研讨&演练 经典电力系统组成 电力通信网现状 接入网 城域网 省骨干网 国家骨干网 超高压 特高压 配电 高压 800kv以上 几个 330KV-800KV 10个左右 35KV-220KV 40-80个220KV 300-400个110KV 500-800个35KV 35KV以下 10-20万个 用电 街边柜等 通信设备、光纤渗透率高 自建专网 缺乏通信设备、光纤 广覆盖,大连接 设备众多 电力通信网现状 部门 业务 光纤 运营商 GPRS 运营商 4G 运检 配电自动化 Δ Δ 配电环境状态及安防监测 Δ 智能机器人巡检 Δ 输变电状态监测 Δ 移动巡检 Δ 营销 用电信息采集 Δ 充电站/桩视频监测 Δ Δ 业扩报装移动业务 Δ 物资 物资仓储管理监测 Δ 基建 施工现场图像和数据采集 Δ 地处交通要道 小区不允许施工 老
2022-05-24 14:04:31 8.53MB 网络 文档资料 5G网络 智能电网
针对智能电网对监控和停电预测的客观需求问题,基于物联网技术设计了一套大电网停电故障监控及预警系统。该系统包括故障检测装置、信息管理及无线通讯、故障节点地图绘制3个主要部分。故障检测使用嵌入式终端设计,并使用小波变换算法对故障信息进行分析,将故障的定位误差控制在8%,定相分析准确率达到100%,从而提高故障信息分析与预警信息的可靠性。故障节点地图基于GIS-MapX技术绘制,能够直观、清楚地确定故障节点位置。从监控中心的服务器到用户终端,采用ZigBee无线通讯技术,该技术传输性能安全、可靠。通过模拟故障实验对该系统进行验证,测试结果表明,该系统具备良好的可靠性与实用性。
1
智慧工业:在电网设备知识图谱的深度合作.pdf
2022-05-22 14:06:42 780KB
:提出一种基于深度强化学习的电网切机控制策略,所 提控制策略依据电网运行环境信息,通过数据分析得到切机 控制策略。首先介绍强化学习框架,阐述学习算法原理,并 详细介绍Q-Learning 方法。然后介绍深度学习基本概念和 深度卷积网络原理,提出利用深度卷积网络提取电网运行特 征,构建切机策略的思路。再结合深度学习和强化学习,构 建深度强化学习框架,其中深度学习采用深度卷积神经网络 模型用于提取特征,强化学习采用双重Q-Learning 和竞争 Q-Learning 模型计算Q 值,通过比较Q 值大小得到切机控 制策略。最后,利用IEEE 39 节点系统验证了方法的正确性。
1
基于人工智能控制器的光伏和双馈混合风电系统并网集成
2022-05-21 10:40:11 70KB matlab
1
本文主要就微电网的两种拓扑架构思路进行简要介绍。种是基于微电网即插即用模块化理念的拓扑架构体系,第二种是基于电力电子变压器的微电网拓扑架构体系。微电网作为对于集中式大电网的一个有力补充,实现新能源的就地消纳,是解决分布式能源接入配电网所带来的影响的一个良好突破口。随着国家政策的出台,极大的推动了微电网的发展,但是步入快车道的微电网如何打破现有困境,推动清洁能源又快又好的发展,这是摆在现实面前的一道难题。微电网的发展现如今主要面临着以下几个问题:1.支持政策尚未明确,市场机制尚未建立;2.商业化运营模式需要探索,商业化示范不足;3.微电网拓扑架构体系没有明确,缺乏必要的文献标准;4.产业发展缺乏
2022-05-20 09:44:45 142KB 微电网的两种拓扑架构思路介绍
1
相差高频保护是比较被保护线路两侧工频电流相位的高频保护。当两侧故障电流相位相同时保护被闭锁,两侧电流相位相反时保护动作跳闸。
2022-05-19 16:44:21 28KB 相差高频 电力 电网 文章
1
低压电网线损一般算法之电压损失(率)法.doc
2022-05-18 22:04:39 927KB 文档资料
研究微电网 该存储库包含为科罗拉多州丹佛大学的Park博士的微电网研究编写的代码。 目的是实现一个JADE代理,该代理从电网控制/监视设备的分布式系统接收近实时数据。 它应将数据存储在SQL中并将其发送到映射整个系统的GUI。 我将其作为事件驱动的图形数据来解决。 功率控制/监视网络以图形表示。 数据被其他代理“推送”到该存储库中实现的“数据代理”。 每个数据结构都在“ abs”包中抽象化,因此理论上可以出于完全不同的目的重用该代码。 参见Graph和MicrogridGraph 。 贡献者 通过类文档中的@author注释为该存储库中的每个类分配一个“主要”作者。 该主要作者的名字和姓氏应首先在课程文档中列出。 主要作者应该是有关课程的“要问的人”。 如果您对课程有疑问,请联系该人。 其他贡献者应在作者列表中稍后列出。 贡献者应将联系信息留在自述文件中,以便将来的贡献者可以找到它。
2022-05-18 21:14:15 48.47MB data sql realtime event
1