控制爆破技术在变电站施工中的安全应用探讨

在变电站土建施工中,经常需要进行大量爆破作业,很多时候变电站周围环境情况复杂,给爆破工作带来了很大的难度和风险。所以,做好控制爆破非常关键。为此,本文根据现场爆破经验,论述变电站地基施工采用控制爆破技术措施,以达到预期工程质量和周围居民安全的效果。     

基于云理论和组合赋权法的牵引变电所风险评估

为解决传统评估方法无法同时反映牵引变电所运行风险的模糊性和随机性的问题,将云理论中的云重心评估法运用于京津城际高速铁路某牵引变电所运行风险评估中。通过建立该牵引变电所运行风险评估指标体系,实现了从管理、人员、设备、环境4个方面的牵引变电所运行风险水平定性概念向定量表示的合理转换,并引入联盟博弈思想对各指标进行组合赋权,进而对该牵引变电所运行风险现状进行综合评估。结果表明,该方法直观可行,评估结果符合客观实际情况。     

基于改进YOLOX的变电站工人防护设备检测研究*

为解决电气工人防护设备检测问题,通过改进YOLOX算法,提出检测工作人员防护设备的模型。首先在预测部分改进损失函数,为解决损失函数计算存在的缺陷,对IOU损失的计算方法进行改进,根据防护设备任务特性,通过调整各种类型损失函数的权重,增加对模型误判的惩罚,对模型进行优化;其次在算法主干网络中引入CBAM注意力模块提高神经网络对工人防护设备的感知能力;最后在算法Neck部分,将UpSample结构用于多尺度特征融合,加强网络的细节表达能力,从而提升对小目标困难样本的检测精度。研究结果表明:改进后的YOLOX模型平均精度均值达到87.24%,与已有YOLOX模型相比提升2.46%,具备有效性,适用于变电站工人防护设备检测。研究结果可为电气工人提供更高的防护装备检测精度。     

基于动态贝叶斯网络的高速铁路牵引变电所可靠性分析

结合GO-FLOW法的动态特性,将动态贝叶斯理论应用于高速铁路牵引变电所可靠性的分析中。首先将GO-FLOW法中的功能操作符、逻辑操作符、信号发生器、输入信号流等转换为相应的动态贝叶斯网络模块,并建立其条件概率表;然后根据牵引变电所主接线GO-FLOW图和主接线系统功能逻辑关系进行连接,得到基于GO-FLOW图的牵引变电所主接线的动态贝叶斯网络模型;最后运用动态贝叶斯算法对模型求解,得到了牵引变电所主接线的可靠性参数和可靠性变化曲线,结果表明当考虑部件随时间推移而失效的情况时更加符合实际。与其他方法相比,该方法考虑了分析对象的动态特征,减少了公式推导过程,简单清晰,便于实际应用。     

500kV户外型变电站作业场所电磁环境实测分析

为了研究500k V户外型变电站作业场所的电磁环境,利用EFA-300电磁场强分析仪对9座不同类型的500 k V变电站作业场所的电磁场强度进行实测。共设置412个测点,覆盖3种典型变电站的室内作业场所和室外作业场所。测试结果显示:室内作业场所电磁场强度均远远低于国家关于公众暴露限值的标准(E≤4 k V/m,B≤100μT);不同类型500k V户外型变电站室外作业场所的电磁场强度平均值由高到低为:HGIS型变电站>AIS型变电站>GIS型变电站,表明GIS型配电方式更有利于减轻电磁污染。室外作业场所共有19.8%的测点电场强度超过我国行业标准(E≤5 k V/m),0.7%的测点磁感应强度超过我国行业标准(B≤500μT),其高电磁场强度区域集中在高压侧设备区以及电抗器密集区,最高电场强度达到14.860 k V/m,最高磁感应强度达到856μT,应重视此类区域工作人员的电磁场防护工作。     

输油泵站变电所突然停电的原因分析及对策

分析了输油泵站变电所突然停电的危害及原因,介绍了采取的对策及取得的效果.     

变电站噪声防治方案研究

通过对河北南部电网变电站设备噪声及周围噪声污染水平的监测，对噪声特性及传播进行了分析，对变电站噪声污染提出了综合治理方案。     

油浸变压器排油注氮装置在500kV变电站的设计与应用

在分析500kV变电站主变压器消防系统的现状,比较3类消防系统优缺点的基础上,详细论述了主变排油注氮装置的结构组成、工作原理、参数计算、控制系统设计以及需要注意的事项等,为下一步排油注氮装置的推广应用打下基础.     

重庆市典型变电站站场外工频电磁场实测分析

对重庆市110kV、220kV典型变电站站场外的工频电磁场进行实测并归纳总结了测量结果,根据测量得到的实际数据,得出变电站站场外工频电磁场的分布规律及变化趋势,表明变电站站场外工频电磁场均能满足相关规定要求,工频电磁场随主变容量的增大而呈增大趋势,随与主变距离的增加而减小,同时,户内变电站对工频电磁场的影响也比户外变电站要小。     

变电站操作不安全行为核心影响因素分析*

为分析变电站中操作不安全行为的核心影响因素,基于国家电网某省变电站员工安全心理自评数据,运用心理学模型确定9种主要心理维度,融合Bayesian Search和Peter Clark(PC)算法,并使用专家知识修正以训练贝叶斯网络模型结构,应用Expectation Maximization(EM)算法训练模型参数,并运用Mutual Information(MI)和预测推理2种方法分析核心影响因素。研究结果表明:训练模型的预测错误率为14.8%,AUC为0.945 8,变电站操作不安全行为的核心影响因素为情绪稳定性和心理承受力。