简介:摘要:我国国民经济以及电力相关技术的发展,使得我国的电力事业得到了较快的发展,而在整体电力系统中关键的设施之一就是电力变压器,和电力系统之间的安全稳定运行有着十分紧密的联系,这也正是对其进行检测工作的重要原因。在微电子、计算机等先进技术不断发展的影响下,针对电力变压器进行在线实时监测已经有了极高的可行性。因为油浸性质的电力变压器在运行过程中气体溶解的类型不会出现对应的差异,传统故障诊断方式对于这些复杂多变且无标签的数据无法进行充分应用,因此一种基于深度学习神经网络的诊断方式应运而生。本文先从深度学习的概念以及深度学习神经网络模型分析入手,并在文后详细的在电力变压器故障诊断中如何运用深度学习网络进行了分析。
简介:摘要:架空输电线路是电能输送的重要通道,直接与电网安全稳定运行相关。由于输电线路经过区域基金项目:国家电网公司科技项目资助(SGITG-2018ZXCG-FF)环境复杂,风筝、垃圾和机械施工等异物入侵成为线路跳闸且无法重合成功的主要原因。随着输电线路信息化和智能化运检建设的不断完善,我国220kV电压等级以上的重要输电线路和通道基本已部署图像和视频在线监测设备,可以有效监测输电线路的异物入侵情况。虽然在线监测设备可以获得大量图像,但是可作为训练样本的异物入侵缺陷或故障图像数量较少,导致在训练分类过程中易出现泛化能力差、陷入局部最优解和识别准确率低等问题。深度学习近年来被应用到电网异物监测中,并取得了一定的效果,但是有效样本量较小依然会影响异物识别的准确度。
简介:摘要:本文深入探讨了基于深度学习技术的火力发电厂安全预警系统的研究与设计。系统涵盖了数据采集与预处理、基于深度学习的特征提取、安全预警模型构建与训练以及安全预警结果输出与展示等关键方面。通过深度学习技术,我们能够更准确地识别和预测火力发电厂的安全问题,从而提高电力供应的可靠性和安全性。本文的关键词包括火力发电厂安全、深度学习技术、数据处理、特征提取、模型构建和安全预警。
简介:摘要 :本文主要针对 600MW 级火力发电机组深度调峰影响因素及对策做出初步分析,希望对 600MW 级火力发电机组在电网调峰中的应用提出一些有效建议,使 600MW 火力发电机组既能安全经济的运行,又满足国际环保政策的可持续发展理念,同时还能适应电网的需求。
简介:摘要: 随着环保压力的不断增加和清洁能源的迅速发展,中国面临着风能和太阳能等新能源的消纳问题。本文针对“双碳”目标下煤电机组深度调峰和灵活性改造的需求,从锅炉侧技术出发,探讨了制粉系统优化改造、锅炉低负荷稳燃改造、锅炉宽负荷脱硝改造以及锅炉本体相关问题的解决方法。通过这些技术手段,可以提高火电机组的灵活性,增强新能源消纳能力,推动能源结构的转型升级。
简介:【摘要】:随着新能源并网容量加大,电网负荷峰谷差日益增大。火电机组参与调峰深度将进一步提高,为深挖机组调峰能力,满足即将进行的电力现货交易要求,取得更好的调峰收益。国能孟津电厂进行了在纯凝模式下不进行任何改造不投油不转湿态工况下,机组深度调峰至20%负荷试验。分析主蒸汽参数、给水流量等重要数据边界条件,克服锅炉低负荷燃烧不稳定、给水泵稳定控制难度大等困难,突破机组在20%负荷工况下不投油稳燃技术瓶颈。为及深度调峰运行工况下保证机组安全运行打下基础。
简介:摘要:党的建设在国有企业发展过程中起着关键的政治领导作用,是我党加强对国有企业领导的重要途径之一。加强国有企业党建工作,有利于保证国有企业始终沿着正确的方向前进,也有利于促进企业的班子建设、人才建设,干部队伍建设、党风廉政建设等,是国有企业把好发展方向,加强企业管理,稳步健康发展的根本政治保障。国有企业工会作为企业与职工之间沟通的桥梁纽带,通过持续开展思想政治教育、民主管理、职工维权、困难帮扶、劳动竞赛、文体活动等工作,对调动广大干部职工主动参与企业活动的积极性和主动性,打造和睦相处、积极向上的干部职工队伍,构建和谐企业劳动关系等起着重要作用,有利于切实维护好职工的合法权益,不断增强广大干部职工对企业的凝聚力和向心力,从而提高广大干部职工全力以赴干工作的积极性和主动性。本文主要分析浅谈新时期如何加强国有企业党建工作与工会工作的深度融合
简介:摘要:无人机巡检已成为电力线路杆塔巡检的重要方式。然而,目前的无人机巡检仍主要通过人工方式评估线路灾损,不仅费时费力,而且准确率低。本文提出了一种基于深度学习算法的实时目标检测模型,通过无人机巡检视频实时检测电力杆塔的状态。通过对倒断类杆塔图像进行数据增广,解决了杆塔类别不平衡问题。通过使用 K-means算法对杆塔数据集的目标框进行重新聚类,改进了深度学习算法参数。测试结果表明,该模型能有效检测多种环境下多种尺度的杆塔目标。改进后的模型在测试集上的召回率和交并比较改进前有所提高,且平均均值精度达到 94.09%,检测速度达到 20顿 /s。此外,也对更快的简化版 YOLO模型进行了测试,检测速度能达到 30帧 /s。