基于NA300系列PLC在综合管廊环境与设备监控系统中的应用

来源 :电工技术 | 被引量 : 0次 | 上传用户:xhhb925
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提升地下综合管廊环控系统的控制效果和可靠性,设计了基于NA300系列PLC的环境与设备监控系统.介绍了该系统的组成、功能、技术特点,并分析了其应用效果.实际现场应用表明,基于NA300系列PLC的综合管廊环境与设备监控系统控制效果良好、可靠性极高,不但能够实现各防火分区风机、照明、水泵等设备的远程控制,而且可对综合管廊各区域环境状态、设备运行状态、报警信息和能耗等进行综合评价,这对于国产化控制器在市政综合管廊自动化建设中应用与推广具有借鉴意义.
其他文献
针对电力负荷波动性和非线性因素导致的预测精度不高等系列问题,本文提出了一种通过变分模态分解和黏菌算法来优化核极限学习机的短期负荷预测模型.此模型用变分模态分解技术将原始负荷序列分解成不同特征频率的子序列,同时对每个子序列建立模型,预测模型采用变分模态分解和黏菌算法来优化核极限学习机,最后将各分量预测值组合得到最终的预测结果.该预测方法与其他模型相比有较好的预测结果.
本研究对触头材料常规正挤压工艺制备板带材过程进行了分析,确认了影响材料利用率的最大因素.根据过程分析,初步确认通过半连续挤压方式提高正挤压板带材利用率方案,后续通过生产试制,证明了半连续挤压方式可行,材料利用率可以到达95%以上.
对于电力系统稳定器(PSS)参数优化整定的问题,为了更好地寻找最优参数,本文将社会学习机制引入到粒子群优化算法中,将社会学习粒子群优化算法(SLPSO)应用于PSS参数的优化整定中,相比于传统优化算法,本文算法优化P SS参数具有更好的动态自适应性,同时不易陷入局部最优,能够较快地寻找到全局最优值.通过四机两区的仿真算例表明,本文方法解决了常规优化算法如粒子群优化算法优化P SS参数中存在的收敛性差、容易陷入局部最优、优化效果差等问题.通过将社会学习粒子群优化算法应用于P SS参数的寻优工作中,其P SS
为有效管控大停电风险,准确辨识诱发电力系统连锁故障的关键线路是非常有必要的.为此,本文基于社交网络影响力分析提出一种电力系统连锁故障的关键线路辨识方法.首先,采用连锁故障的样本数据,构建描述故障传播特性的社交网络;然后,建立连锁故障传播过程中的线路影响力量化方法,计及不同线路影响力的重叠性,通过最大化关键线路集合的故障传播影响,识别传播连锁故障的重要线路元件;最后,基于省级电网验证了所提方法的有效性.
以传统低压断路器为基础,使用物联网和非常完善的一二次融合等相关技术,进而研发出一种智能断路器,并且搭配上云技术及云平台的使用和相关的多种应用系统,由此提出了智能低压配电系统,该系统为配电网提供了精准度更加优良的、设备更加完善的管理平台,以及在居民用户侧提供用电分析,对用户需求方的使用进行完善.
我国具有丰富的水力资源,在“碳达峰”和“碳中和”的目标要求下,水力资源的大规模开发利用是必然趋势.然而随着水轮发电机容量的增大,各支路电容不对称性也增大,这将产生中性点漂移明显放大的现象,其对发电机的并网运行和机组保护构成不容小觑的威胁.因此,本文针对1000 MW量级大型水轮发电机,对其中性点经电阻并联电抗组合式接地方式下的电压漂移进行分析,得到了定子绕组对地电容不对称系数以及中性点接地装置参数两种因素对电压漂移的影响规律;并根据其规律提出一种中性点组合式接地方式装置参数选择的优化方法,最后通过准分布电
对圆柱头悬式瓷绝缘件内水压试验进行合理建模,运用拉美公式,计算出合理的内水压值,可以有效剔除缺陷绝缘件,保证后期产品的机电强度.
本研究通过形貌特征参数比表面积和粒径与导电性能的相关性影响实证案例,对银粉比表面积、粒径与导电胶浆导电性之间的相关性研究,揭示比表面积和粒径对导电性的影响性主要与次要关系,为纳米材料导电胶浆在银粉选型与上游材料银粉的制备提供方向性指导.
大渡河流域水文情势复杂多变,梯级水电电力调峰调频、水利防洪减灾任务艰巨,防洪兴利矛盾突出,多目标协同难度大,是国内外流域调度领域普遍关注的重点.本文以大渡河流域多年的创新与实践为基础,详细介绍了大渡河流域梯级电站群智能调控运行成套技术,包括多因子“量-型”混沌相似的中长期水文预报方法、大数据驱动的高精度水情气象耦合洪水概率预报技术、适应电网高强度调峰调频需求的梯级负荷实时智能调控方法、自适应复杂洪水情势的流域泄洪闸门智能调控技术.本文同时介绍了大渡河流域梯级电站群的智能调控平台,通过该系统实现了智能化运行
针对配用电系统用户数据识别中特征选择困难和单模型分类精度不高的问题,本文提出多模型分层融合的识别方法.首先,设计多尺度联结的递归差分卷积网络对用户数据进行特征提取,使浅层融合的有效信息不会随着层数的增长而消失;其次,改进自适应学习率优化算法训练模型,增加模型分类性能;最后对6种基模型分层加权融合,以阈值划分层级,新定义混淆矩阵的错误样本数确定权值,有效克服了基模型适应度缺陷.融合方法在用户特征库的识别上获得99.43%的准确率,比传统卷积神经网络与加权融合方法的准确率分别提高0.53%、0.47%,实现了