




版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
架空配電線路施工目錄第一節(jié)線路部件及其作用第二節(jié)基坑挖掘第三節(jié)立桿工作第四節(jié)拉線及其安裝第五節(jié)導線架設柱上變臺與設備安裝第七帶接戶線架空配電線路施工第一節(jié)線路部件及其作用配電架空線路主要由基礎、電桿、緣子(瓷瓶)、金具及接地裝置等所組成電桿與橫擔電桿是用來支持導線的,把它埋設在地上,裝橫擔及絕緣子,導線固定在絕緣子架空配電線路施工在架空線路中,由于電桿的受力情況不同,它們的結構型式也有所不同。按其作用可分為:直線桿、耐張桿、轉角桿、終端桿、分歧桿和特種桿等。橫擔為安裝絕緣子、開關設備、避雷器使用,按材質分有木橫擔、鐵橫擔和陶瓷橫架空配電線路施工絕緣子般用瓷料制成,所以又叫瓷瓶。它是用固定導線的導線之間或導線與大地之緣,同時也承受導線的垂直荷重和(立瓶)、蝶式(茶臺)、懸式和瓷橫擔絕緣子四種。拉線在承受不平衡拉力的電桿上(終端桿、轉角桿、跨越桿等)均需裝設拉達到電桿平衡的目另外為增強線路電桿的穩(wěn)線桿上每隔離設抗風拉線或增強線路穩(wěn)定性的拉線。架空配電線路施工四、導線(-)裸導線常用導線種類有:鋁線、鋼芯鋁線、銅線、(二)絕緣導線按電壓等級分為中壓絕緣導線、低壓絕緣導線按架設方式分為分相架設、集束架設等。架空配電線路施工五、金具及接地裝置金具主要用于支持、固定和接續(xù)導線、導體與絕緣子連接,亦用來保護導線。按用途分為耐張、懸吊、接續(xù)、接觸、連接和防護金具等。是線路安裝不可缺少的零件。接地裝置的分布和安裝質量直接影響配電線路的安全運行,必須引起我們的高度重視。完成施工后,應在干燥的天氣遙測接地電阻,希望大家注意這個細節(jié)。架空配電線路施工第二節(jié)基坑挖掘電桿基坑有人力開挖、機械開挖和爆破等方法,除堅硬巖爆破方法以外大部分基坑采用人力開挖。電桿位置選擇小街巷(胡同)口、十字路口、單位及房屋大門等妨礙交通的地方,軟弱土質、河地、急斜坡等立桿不穩(wěn)固地帶,施工時能破壞地下管線的路段或與地下管線同路用戶院落內(nèi)等不便巡視處不宜立桿架空配電線路施工架空配電線路施工桿坑定位挖桿坑之前檢查桿位標樁是否符合設計圖的要求,用線法使用測量桿(花桿)測量稈位標樁是否在線路中心線上,見下頁示意圖。城鎮(zhèn)中
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度職業(yè)技能鑒定培訓機構學生考核協(xié)議
- 二零二五年度房屋遺產(chǎn)繼承與遺產(chǎn)稅籌劃合同
- 健康管理師備考者的經(jīng)驗分享試題及答案
- 幫助考生掌握茶藝基礎的試題及答案
- 2025年度汽車租賃行業(yè)數(shù)據(jù)分析及市場調(diào)研合同
- 2025年婦幼健康研究新進展試題及答案
- 人力資源管理師考試理解試題及答案
- 理論力學(第8版)(哈工大) 第二章學習資料
- 電力安全培訓課件
- 大學生與國防教育
- 戴德梁行物業(yè)培訓ppt課件
- 回轉式空氣預熱器安裝作業(yè)指導書
- GB∕T 16422.3-2022 塑料 實驗室光源暴露試驗方法 第3部分:熒光紫外燈
- 第三章1軌道電路
- 煤礦防治水中長期規(guī)劃2017—2019
- 2022年鄉(xiāng)鎮(zhèn)(街道)執(zhí)法人員資格考試題庫(含答案)
- 新版廣西大學畢業(yè)設計封面
- 汽機各系統(tǒng)吹管調(diào)試方案
- 金華市區(qū)低丘緩坡綜合開發(fā)利用研究
- MATLAB在電力系統(tǒng)中應用
- 基于深度學習的圖像壓縮感知算法綜述
評論
0/150
提交評論