【目的】随着新能源占比的持续提升,基于锁相环同步的传统跟网型控制在弱电网条件下逐渐暴露出稳定性不足的缺陷,具备自主同步源特性的构网型控制逐步成为热点解决方案,但当前研究大多聚焦于其电压或同步稳定特性,较少关注其频率调节能力和特性。【方法】本文概述了下垂控制、虚拟同步机控制、匹配控制和虚拟振荡器控制这4种主流构网型控制方式的发展进程和调频控制原理,并从控制环路、适用场景等方面分析了以上方式的优势与不足。在此基础上,构建了新能源并网仿真模型,模拟分析了不同调频控制在多样化场景下的调频响应特性,总结了构网型控制在策略优化、参数整定和多机协同等方面所面临的挑战,并对其发展趋势进行了展望。【结果】下垂控制通过响应系统频率偏差调节机组有功功率,具有结构简单、电网强度适应性强的优点,但该控制方式缺乏惯量支撑,调频性能相对较弱;虚拟同步机控制在下垂控制的基础上,模拟了传统同步机的惯量响应特性,能更好地抑制系统频率变化性能,但面临参数整定、故障穿越和多机协同等挑战;匹配控制以直流电容的动态特性模拟传统同步机惯量特性,抑制了系统频率变化性能,但难以在频率暂稳态区间长期为系统提供支撑;虚拟振荡器控制因幅值和频率由振荡器动态方程直接生成,调频响应类似下垂控制,但输出谐波含量较高难以满足并网要求。【结论】虚拟同步机控制在参与系统调频中凭借其兼顾调频性能和电网强度适应性的技术优势,成为构网型控制中最具前景的研究方向,但需要突破同步稳定、故障穿越和协同控制等技术难题。未来应针对控制策略与参数优化、多机协同控制等方面进行深化研究,进而推动构网型控制的规模化应用。

[目的]随着分布式能源的广泛接入,配电网的拓扑结构日益复杂,同时监控数据量呈指数级增长,对故障诊断提出了新的挑战。传统故障诊断方法主要依赖监控数据和人工经验,但随着云计算和通信技术的快速发展,人工智能方法在故障诊断领域得到了广泛应用。然而,现有人工智能方法高度依赖训练数据,需要大量基础数据支撑。为此,本文基于数字孪生技术,提出一种配电网智能化故障诊断方法,以提高故障诊断的效率和准确性。[方法]利用数字孪生技术构建配电网数字孪生体,通过虚拟诊断结果指导实际系统运行。同时,采用小波包分解方法提取信号各频带能量构成特征向量,输入改进的卷积自编码器模型中进行学习,以实现故障类型的准确识别。数字孪生系统由物理层、数据层、模型层和服务层组成,实现了虚实映射功能,虚拟孪生体能够实时反映实体运行状态。在仿真实验中,以某区域10 kV配电网的三端口环网结构为基础,构建了包含7 520个正常和故障样本数据的完备实验数据集。[结果]实验结果表明,经过100次迭代训练,改进的卷积自编码器模型的故障诊断准确率接近0.98。数字孪生系统的智能化诊断结果显示,本文方法能够准确识别故障类型,与实际故障类型基本一致。在对5种常见故障类型的诊断中,本文方法保持了较高的准确率,平均准确率达0.95,诊断耗时仅为5.39 s。与其他方法相比,本文方法的诊断准确率更高。[结论]通过将数字孪生技术应用于配电网智能化故障诊断,结合虚实一体化的诊断方式,显著提升了故障诊断的精确性和实时性。该方法为配电网智能化故障诊断提供了一种全新的技术手段,有助于提高配电网的可靠性和安全性,对智能电网的发展具有重要的理论意义和实践价值。此外,未来研究将重点探索应对配电网结构变化的技术方法,以进一步提升该故障诊断方法的适用性。

【目的】准确的电力负荷预测是电力系统实现顺利运行和有效管理的关键,可使电力公司有效调度发电设备,从而提高电力系统的运行效率和经济效益。然而,电力负荷数据受多种外部因素影响,同时具有显著的时间依赖性,导致其难以精准预测。为此,提出一种融合多因素建模与时间序列分析的电力负荷预测模型,通过兼顾多因素复杂影响分析与电力负荷时间依赖性特征,实现电力负荷的精准预测。【方法】为了突破多因素分析方法与时间序列预测建模方法各自的局限性,基于深度学习与多因素分析方法,提出了一种结合长短期记忆(long short-term memory,LSTM)网络与贝叶斯优化算法的改进电力负荷预测模型。首先,构建了一个全面的多因素特征池,包括电力负荷的历史时序特征和多种外部因素特征,以充分捕捉电力负荷数据与多种影响因素间的复杂关系。其次,采用LSTM网络作为核心模型,利用其独特的门控机制与记忆单元,捕捉电力负荷数据的时间依赖性和多因素之间的复杂关联。引入贝叶斯优化算法对LSTM模型的超参数进行调优,以高斯过程作为代理模型,充分利用先验信息,提升模型训练效率和预测性能。【结果】利用5个实际变压器数据集对模型进行了训练和测试,并通过多种评价指标验证了模型的有效性。基于多因素特征工程建模的电力负荷预测方法在5个不同变压器数据集上的预测性能均显著优于利用单一因素预测的模型,进一步突出了多因素特征池的有效性。LSTM模型的最大决定系数为0.920 7,最小均方误差为0.042,最小平均绝对误差为0.024,表明其在复杂电力负荷预测任务中具有优越性能。【结论】融合多因素建模与时间序列分析的电力负荷预测模型充分考虑了外部因素的复杂性和电力负荷数据的时间依赖性特征,创新性地引入了一个全面的特征池参与LSTM模型的训练和测试。结合多因素特征池建模的LSTM网络具有较高的预测精度和鲁棒性,为电力负荷预测提供了新的技术思路,对智能电网的规划和调度具有重要的参考价值,并为进一步发展精准负荷预测技术奠定了基础。

【目的】304不锈钢是一种以奥氏体为主要晶体结构的铬镍不锈钢,因其优异的耐热性和耐蚀性,广泛应用于航空、船舶和化工等行业。然而,304不锈钢硬度较低,抗空蚀性能不足,作为水轮机叶片材料时,其表面在复杂环境下易出现凹坑、剥落等现象,显著缩短叶片使用寿命。【方法】为提升304不锈钢的使用寿命,采用激光熔覆技术在其表面制备了新型铁基合金熔覆层。通过相分析、组织观察、EBSD分析、硬度测试和空蚀试验,系统分析了熔覆层的相组成、晶体学特征、显微硬度及抗空蚀性能。【结果】研究结果显示,铁基合金熔覆层主要由α-Fe基体相和Cr₂₃C₆相组成。熔覆层成形质量良好,几乎无微裂纹,仅有少量孔隙。显微结构呈现出典型的非平衡凝固特征,由枝晶及枝晶间的网状组织构成,并从底部至顶部依次出现平面晶、胞状晶、柱状晶及等轴晶的形貌。EBSD分析表明,熔覆层内形成了高密度晶界且无明显织构。熔覆层横截面显微硬度在640~750 HV_0.2之间,显著高于304不锈钢基体的显微硬度(187.6 HV_0.2)。这种高硬度主要归因于溶质原子引起的固溶强化、分散在网状枝晶间的Cr₂₃C₆和Cr₇C₃硬质相的第二相强化,以及高密度晶界带来的晶界强化。在300 min的空蚀试验中,304不锈钢基体的累计质量损失为24.8 mg,而铁基合金熔覆层的损失仅为7.8 mg,约为基体的31.5％。整个试验过程中,熔覆层的累计质量损失均低于304不锈钢基体。空蚀损伤表面分析表明,空泡腐蚀过程中气泡坍塌产生的剪切波会在材料表面形成应力积累,导致滑移带的生成,滑移带处易萌生并扩展裂纹,最终造成材料剥落形成空蚀坑。细小晶粒、高晶界密度及高显微硬度是熔覆层具备优异抗空蚀性能的关键因素。【结论】高硬度铁基合金熔覆层显著提升了304不锈钢基体的抗空蚀性能。本研究设计并制备了一种用于304不锈钢表面改性的高硬度铁基合金熔覆层,为激光熔覆技术在水轮机叶片表面强化涂层中的应用提供了潜在的解决方案。

【目的】在动态环境下,移动边缘计算(MEC)系统中的传统任务卸载策略普遍存在调度灵活性不足、对环境变化适应性弱及延迟控制能力有限等问题,难以满足时延敏感型任务的处理需求。针对上述问题,提出了一种融合无人机辅助机制的MEC卸载优化方法,以提升系统服务质量和任务响应效率。【方法】针对UAV-MEC场景下用户分布动态变化及链路状态频繁波动的特点,本文将任务卸载、用户调度与无人机(UAV)轨迹控制联合建模为马尔可夫决策过程(MDP),并采用深度Q网络(DQN)框架以学习近似最优策略。在状态建模中,充分考虑了UAV能耗约束、用户任务属性及其时效性要求等因素,并通过动作空间离散化处理以适配DQN架构。奖励函数设计中引入延迟损耗与超时惩罚机制,引导智能体自适应地学习高效的任务卸载策略。【结果】仿真结果表明,本文方法在累计奖励、平均任务处理时延及任务超时惩罚次数等指标上均优于完全本地计算和完全边缘卸载这类基线策略,展现出良好的策略收敛性和环境适应能力,尤其在通信链路波动或计算资源受限条件下仍能保持稳定性能。【结论】本文提出的基于DQN的UAV辅助边缘计算联合优化策略,能够在动态复杂环境中显著提升系统对时效敏感任务的处理效率与调度性能,为高机动性移动边缘计算系统的设计与优化提供了可行的解决思路与理论支撑。

【目的】稻壳灰(RHA)作为稻谷加工过程中产生的大宗农业废弃物,其年产量随全球稻米消费量增长持续攀升。将RHA作为混凝土的补充胶凝材料,其可通过替代部分水泥显著降低混凝土生产过程中的碳排放量,同时有效提升混凝土的耐久性与力学性能,契合建筑业可持续发展的需求。然而,RHA混凝土的耐久性能受其粒径分布、混凝土配合比及养护条件等多重因素交互影响。现有研究呈现碎片化特征,尚缺乏系统性的性能评价框架与优化设计策略。研究旨在综述RHA混凝土的耐久性,解析其抗劣化机制与影响因素,为制定应用标准、突破推广瓶颈提供理论支撑,推动其在绿色建材中的应用。【方法】研究聚焦RHA混凝土耐久性问题,系统梳理其在收缩、抗碳化能力、氯离子渗透抗性、酸耐性、抗冻融循环能力和防火性能等方面的研究进展。研究包括对稻壳灰的物理化学特性(如二氧化硅含量、颗粒大小和火山灰活性)的分析及不同稻壳灰含量和处理方式(如化学激活、热处理和湿养护)对混凝土性能的影响。此外,探讨了稻壳灰与其他矿物掺合料(如粉煤灰、矿渣和偏高岭土)的协同作用及其对耐久性的优化效果。【结果】在对耐久性各方面性能进行梳理和归纳后,对相应的研究内容与关键技术进行总结,发现RHA混凝土在收缩抑制、抗碳化能力、氯离子渗透阻隔、酸蚀耐受性、冻融循环耐久性以及防火性能等方面具有显著提升或者改善效果。此外,系统研究归纳发现,稻壳灰可以实现混凝土耐久性能的多维度提升,契合建材可持续发展需求。然而,RHA混凝土的工程化应用仍面临多重挑战:原料来源差异导致RHA质量不同,需建立严格的活性指数与粒径分布控制标准;碱-硅反应敏感性要求精准调控RHA掺量与碱含量;较长的湿养护周期显著增加施工与时间成本等。【结论】未来研究应聚焦于稻壳灰质量的标准化、与其他矿物掺合料的协同作用、创新处理方法以及长期性能监测,以推动RHA混凝土在建筑领域的广泛应用,减轻传统水泥对环境的影响。

【目的】随着电机能效等级要求的逐步提高,外转子低速永磁电机因其具有转矩密度高、高效节能等优点被广泛应用于工业领域。为满足工业领域的重载启动和长时间低速重载运行的工况需求,外转子低速永磁电机设计正向提高电机转矩密度的方向发展。相应地,由电机的高转矩密度导致的高发热量问题成为研究重点。【方法】针对外转子低速永磁电机在大负荷作业条件下的高温升问题,建立外转子低速永磁电机物理模型,计算电机的损耗分布情况。首先,基于计算流体力学的基本理论,根据外转子低速永磁电机的热源分布情况,结合电机的结构特点,在定子支架中靠近定子铁心内表面处设计安装轴向和周向Z字型水冷结构,并在电机底部建立冷却水进出口仿真计算模型,通过Fluent软件对两种水冷结构的流场和温度场进行模拟分析,确定周向Z字型水冷设计结构更合适。其次,利用流体流动与传热相耦合的计算方法,在Fluent软件中分析安装周向Z字型且具有9条水道的水冷结构的电机温度场,通过永磁体和绝缘的最高温度验证水冷结构是否满足外转子低速永磁电机的散热要求。最后,基于理论分析确定了影响水冷结构散热效果的因素包括水道数目、冷却水流速、水道截面径向宽度,通过Fluent软件研究不同因素对电机温升的影响规律。【结果】结果表明,周向Z字型水冷结构的流速分布更均匀,进出口压差更小,更适合做外转子低速永磁电机的水冷结构;随着水道数目、冷却水流速和水道截面径向宽度的增加,水冷结构的散热效果增强,但三者分别增加到一定数值后,电机温度趋于稳定;基于分析结果确定水道数目为7条,水道径向宽度为17 mm,冷却水流速为0.5 m/s的水冷结构为最终设计。【结论】研究结果可为大负荷工作环境下外转子低速永磁电机水冷却系统的应用和研究提供一定的理论依据。

【目的】针对传统负荷预测方法信息利用效率低、误差较大及难以适应电力负荷变化的多样性和随机性等问题,提出了一种基于用地空间信息感知的电力系统负荷预测方法。该方法旨在提高负荷预测的准确性和可靠性,为电力系统的规划和建设提供关键数据支撑,满足经济社会发展的需求。【方法】算法结合城市用地空间信息和电网负荷数据,采用分区分类处理策略:对已开发区,利用历史负荷数据进行曲线拟合预测;对新开发区,以已开发区的同类用地性质负荷平均密度值进行等效处理,形成基础预测信息后,再开展负荷预测。对历史负荷数据和等效负荷数据进行精细化和颗粒化处理,整合指数模型、生长曲线模型和弹性系数模型,通过动态权重组合形成最优拟合方案,构建基于用地空间信息感知的电力系统负荷预测技术。以2014—2020年历史数据为基准进行参数拟合,统计工业用电、居民生活用电、商业用电、公共设施用电和其他用电类型的负荷数据,并以2021年负荷情况为目标进行预测。实验对比分析了指数模型、生长曲线模型和弹性系数模型在总量预测与分区分类预测方面的差异,结果显示分区分类预测准确度较总量预测提高约33%。在此基础上,对比分析了基于动态权重和均值权值的最优拟合效果,计算结果显示基于动态权重的最优拟合预测误差为1.12%,较均值权重误差值降低约12%,显著提升了预测精度和可靠性。【结果】研究表明,采用分区分类方法将空间信息按用地性质和负荷类型进行归类,可有效提升负荷预测模型的准确性。通过动态调整参数权重,整合单一预测模型,算法具有更好的动态适应性,能够实现最优拟合结果,得到更高的预测精度。【结论】本文创新点为:一是采用分区分类数据处理方式,提升城市电网空间信息和负荷信息的利用率;二是引入动态权值整合传统负荷预测模型,克服单一模型的局限性。通过这两种创新手段,显著提高了城市电网负荷预测的准确性和可靠性。

【目的】随着无人机在电力巡检、应急救援等复杂场景中应用需求的不断提升,单架无人机在任务执行时的局限性日益突出。多无人机编队能够有效提升巡检效率、扩大作业覆盖范围,但在实际应用过程中,编队队形保持、航迹协同优化及对复杂环境的适应能力仍面临诸多挑战。针对无人机集群在平面大机动飞行过程中的队形保持与路径优化难题,提出了一种结合虚拟弹簧力和hp自适应伪谱法的最优控制方法,旨在提升无人机编队协同飞行的稳定性、灵活性及抗干扰能力,为电力巡检等无人机高要求场景提供技术支撑。【方法】建立多无人机系统的动力学模型,并将虚拟弹簧机制引入编队控制体系,实现机间柔性约束和弹性自调节。通过将虚拟弹簧法与传统领航跟随法结合,设计了一种可兼顾队形刚性支撑与自适应调整能力的编队策略。在此基础上,采用hp自适应伪谱法对无人机编队的最优控制问题进行求解。该方法通过在Legendre-Gauss节点上离散状态量与控制量,构造全局插值多项式,将无人机编队路径优化问题转化为非线性规划问题,并结合动力学、能耗、速度等约束条件进行高精度数值求解。仿真实验中,设定了典型的四机菱形编队场景,全面考察了算法在不同地形、风扰和任务需求下的适应性。【结果】仿真结果显示,基于虚拟弹簧的hp自适应伪谱法能够有效实现无人机编队的平滑转弯和速度控制。在编队90°大机动转弯过程中,无人机不仅能够满足航迹偏转、速度变化等多重约束,还能保持良好的编队队形。与传统领航跟随法和人工势场法相比,本文方法在位置误差、队形保持、抗风扰能力等方面均表现出显著优势。在10m/s强风干扰情形下,本文方法队形稳定性可达70％以上,显著优于其他对比算法。三维地形仿真和实际飞行测试进一步验证了算法的适应性和鲁棒性,方法在丘陵、山区、峡谷等多种地形下,依然能够维持较低的队形变形率和较小的航迹跟踪误差,能耗控制合理,具备较强的工程实用性。【结论】本文创新性地将虚拟弹簧弹性约束机制与hp自适应伪谱法深度融合,提出一种适用于复杂环境下多无人机编队航迹规划的最优控制技术。该方法不仅突破了传统编队的刚性约束,实现了队形的柔性保持和自适应调整,还显著提升了编队航迹优化的精度与效率。研究结果为无人机集群在电力巡检、应急救援等高难度任务中的协同编队飞行提供高效、可靠的技术路径。后续研究可进一步拓展该方法在多编队协同、复杂障碍环境下的应用潜力,推动无人机编队的智能化、实用化发展。

【目的】随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用。然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降。主要原因在于可见光图像在低光条件下信息丢失严重,导致目标特征难以提取。为解决这一问题,提出了基于可见光图像和红外图像的多模态目标检测技术,该技术能够有效改善低光场景下的目标检测性能。然而,多模态检测技术的成本较高,需要对不同模态的图像进行精确配准,计算量较大,从而增加了实现难度和处理负担。基于此,提出了一种具备红外感知的目标检测网络(InSCnet),旨在通过一个可见光相机来预测红外热辐射特征,在不增加模态的情况下提升网络在低光场景下的目标检测能力。【方法】InSCnet以可见光图像为输入,通过红外预测分支(IPB)生成红外图像来预测热辐射特征,从而增强网络对低光场景的感知能力。为了有效融合多尺度视觉和热辐射特征,设计了互补融合滤波(COFF)模块。COFF通过互补融合这两种特征,增强特征间的互补性,避免了网络对单一模态特征的过度依赖。此外,采用混合特征金字塔(HyFP)模块,通过特征金字塔和注意力机制,进一步提升多尺度全局与局部特征的融合与提取能力,确保网络在不同程度的低光条件下均能保持较高的检测准确率。【结果】实验结果表明,InSCnet在LLVIP行人检测数据集上表现优异。具体而言,S_mAP50达到了0.830,S_mAP50-95达到了0.426。同时在DroneVehicle数据集上进行了实验,S_mAP50达到了0.702,证明了InSCnet具备多类别低光检测能力。【结论】InSCnet通过引入红外热辐射特征和特征融合机制,提升了低光场景下的目标检测性能;在低光场景下能够有效检测可见光图像中难以识别的目标,为低光场景下的目标检测提供了一种有效的解决方案。未来的研究可以进一步探索如何优化网络结构。

【目的】随着大跨度桥梁悬索桥的快速发展,桥梁风振问题逐渐成为影响其安全性和舒适性的重要因素。小型水平轴风力机安装在桥梁上,不仅能够有效抑制桥梁的涡激振动,还能够提供风能用于桥梁附属设施的供电。然而,小型水平轴风力机对桥梁的影响尤其是对桥梁抖振响应的具体影响,尚未得到全面系统的研究。因此,本文旨在探讨小型水平轴风力机对桥梁抖振响应的影响规律,评估不同风力机布置方式对桥梁动态响应的具体影响,为风力机对桥梁风振的控制提供理论依据和实践指导。【方法】本文以丹麦大贝尔特桥的典型扁平箱梁为研究对象,采用风洞试验、有限元分析和谐波叠加等手段,结合大贝尔特桥的实际风环境和结构特性,模拟和分析了风力机对桥梁抖振响应的影响。在风洞试验中测量桥梁加装风力机后的静力三分力系数,依据相关数据生成桥梁受风荷载的时程响应数据。基于准定常假设和Davenport抖振力模型,结合有限元模型,计算并模拟了桥梁在不同风速下的动态响应。研究过程中设计了6种不同风力机布置方式,考虑了风力机转轴高度和布置间距等参数的变化,探讨了不同布置方案对桥梁横向、竖向位移和加速度响应的影响。【结果】结果表明,小型水平轴风力机的安装会在一定程度上增大桥梁的位移与加速度响应。然而,通过选择适当的风力机布置方案,可以在满足控制涡激振动的基础上,对桥梁的结构安全和舒适度影响较小。桥梁横向位移的增幅整体呈现随风力机叶片转轴高度的降低而减小的趋势。当风力机布置间距为3倍梁高时,竖向位移的增幅最小。此外,通过拟合风力机对桥梁的静风荷载,提出了桥梁安装风力机后的阻力和升力单位荷载估算公式,进而有效评估不同布置方案下风力机对桥梁的影响。【结论】通过合理布置风力机参数(转轴高度和布置间距),能够减小小型水平轴风力机对桥梁动态响应的影响,且不会对桥梁的结构安全及舒适度造成较大影响。风力机的安装高度和布置间距对桥梁的动态响应具有显著影响,应根据桥梁的具体情况选择合理的布置方案,以保证桥梁的结构安全性和舒适性。本文提出了关于风力机布置间距、转轴高度与桥梁风荷载数据之间的数学模型,为未来风力机对桥梁风振控制的优化提供了理论支持。

【目的】传统电网变电工程造价预测方法通常依赖单一影响因子或线性假设模型,难以全面捕捉多因子间复杂的非线性关系,预测精度不足。此外,现有方法在处理高维度分类变量时面临维度爆炸或信息损失等问题,尤其在小样本数据场景下容易过拟合。因此,本文构建了一种能有效融合多源影响因子、适应非线性关系且在小样本数据中表现稳健的变电工程造价预测模型,为电网企业的投资决策提供更精准的技术支持。【方法】提出了一种基于均值编码(ME)并融合极端梯度提升框架(XGBoost)的变电工程造价预测模型(ME-XGB)。首先,从设备和材料、施工工艺、施工规模、地理环境及设计标准等多维度中提取13个关键影响因子,涵盖分类变量与连续变量。针对分类变量与造价间的非线性关系,利用均值编码进行特征工程处理,通过计算类别内目标变量即单位容量造价的均值并结合平滑因子,将分类变量转化为连续特征,既保留类别信息又避免维度爆炸。其次,利用XGBoost构建预测模型,通过集成多棵决策树逐步修正残差,并引入正则化项和超参数调优,提升模型泛化能力。实验选取某电网公司200个变电工程样本,随机划分为训练集(80％)与测试集(20％),以平均绝对误差(M_AE)和拟合优度(R²)作为评价指标,与MK-TESM、BP神经网络和XGBoost模型的性能进行对比分析。【结果】ME-XGB模型在测试集上的预测精度显著优于对比模型。其M_AE中位数与均值分别为5和6.875,较MK-TESM、BP神经网络和XGBoost模型均有所降低。同时,ME-XGB模型的R²值达到0.857 9,远高于对比模型,表明该模型对数据变动的解释能力更强。此外,箱线图分析结果显示,ME-XGB模型的预测误差分布范围最窄,验证了该模型的稳定性更强。超参数调优结果表明,XGBoost模型的树深度和学习率等超参数设置有效平衡了模型复杂度与过拟合风险。【结论】ME-XGB模型通过均值编码解决了分类变量非线性表达与维度控制问题,结合XGBoost模型的集成学习能力,显著提升了小样本场景下的预测性能。ME-XGB模型在平均绝对误差、拟合优度及误差稳定性方面均优于对比模型,可为电网企业提供更可靠的造价预测。未来研究可进一步探索动态影响因子的建模,并结合迁移学习拓展模型在跨区域工程中的应用。

【目的】随着油气管道运输规模的不断扩大,管道安全检测的重要性日益凸显。管道缺陷处的应力集中是导致裂纹扩展和断裂事故的主要原因,然而现有检测方法难以实现应力的定量化评估。本文提出一种基于双场力磁耦合的管道应力检测方法,结合管道不同应力状态下J-A模型参数的变化情况,建立了磁应力检测模型;分别确定了不同弹性应力、塑性应变和不同外磁场对磁化强度和磁信号特征的影响。【方法】研究基于磁应力检测原理、J-A模型与磁荷理论,通过分析不同阶段应力和不同外磁场对磁化强度和磁信号的影响,找出不同外磁场和不同阶段应力下磁滞回线和磁化强度的关系及不同应力、不同磁场下轴、径向信号的变化特征。引入比例系数建立双磁场应力检测模型,并建立双磁场法弹、塑性应力检测模型。最后采用实验对该理论进行验证。推导弹性应力与塑性应变阶段的等效磁场强度公式,明确钉扎系数、形状系数及畴壁耦合系数随应力的变化规律。以X80管道钢为试件进行实验,在10~80kN拉力和0~10A/m外磁场下进行拉伸实验,测量磁信号特征。【结果】结果显示,不同外磁场与应力裂纹轴向分量磁信号特征均存在峰值,且峰值位置不随外磁场与应力的增加而发生波动。切向峰值随外磁场的增加而增加,与理论计算结果一致。实验结果表明,模型在应力较大时与实测结果高度吻合,误差较小;低应力下因参数拟合偏差存在一定误差,但整体验证了模型的可行性。【结论】在弹性阶段,拉应力使磁滞回线先逆时针后顺时针旋转,弱磁场下磁化强度变化显著,强磁场下应力影响微弱。在塑性阶段,塑性应变降低了磁化曲线斜率,初始磁化曲线和磁滞回线均顺时针旋转,弱磁场下磁化强度变化更为明显。磁化强度与磁信号成比例关系,将强磁信号与磁化强度的比值作为比例系数,该比例系数仅与缺陷尺寸有关,由此建立双磁场检测应力模型。模型计算得到的应力值在应力较大的情况下准确率较高,检测模型具有一定的应力检测能力。本文将双磁场法与J-A理论结合,提出基于比例系数的弹塑性应力分离模型,建立双磁场法弹、塑性应力检测模型,解决了传统方法中缺陷与应力信号混叠的难题。为油气管道缺陷处应力检测提供了高精度、可量化的技术方案,对预防管道事故、保障能源运输安全具有重要意义。

【目的】随着无人飞行器对飞行安全要求的不断提升,起落架系统的动力学特性研究已成为无人机设计领域的重要课题。聚焦六杆式起落架橡胶足垫的着陆接触力学行为,针对其非线性力学特性建模难题展开系统性研究。通过构建精确的动态接触模型,揭示橡胶缓冲件在冲击载荷下的力学响应机制,为起落架足端缓冲装置的结构优化提供理论支撑。【方法】基于连续接触力法理论框架,构建了橡胶材料的非线性接触力学模型。该模型耦合Hertz接触理论与Mooney-Rivlin应变能函数,通过非理想弹性碰撞关系表征橡胶材料的超弹性特性及其接触面动态耦合效应。在ABAQUS平台中,采用Mooney-Rivlin超弹性本构模型建立了有限元模型,并结合隐式动力学求解器对着陆碰撞过程进行了数值模拟。同时,构建了带力传感器的落震实验台,获取实测数据用于模型验证。该方法结合理论建模、软件仿真与实验验证,有效克服了传统经验公式的局限性。【结果】研究系统分析了多物理参数对接触力学特性的影响。当着陆高度在50~200 mm变化时,接触力峰值成正比增长,增幅达1.78 kN。当负载质量在5~20 kg变化时,接触力峰值与其呈近似线性关系,增幅达1.02 kN。此外,足垫厚度的增加对冲击力的减小作用有限,而足垫形状优化可有效改善接触抖动现象。对比研究表明,相较于传统圆柱形足垫,圆锥形足垫受力更均匀,能有效减少接触抖动。实验验证表明,在着陆高度为100 mm的工况下,仿真模拟与实测数据的接触力峰值误差约为6％,关键参数的相位偏移控制在3 ms以内,充分证明了模型的有效性。【结论】研究表明,接触力与着陆高度、足垫厚度呈近似正比例关系,但足垫厚度影响较小;优化足垫形状可显著降低接触抖动,其中圆锥形足垫具有最佳缓冲性能。本研究的理论创新体现在以下方面:融合连续接触力法与超弹性本构模型,建立适用于橡胶缓冲件的动态接触预测方法,突破了传统方法难以处理非线性耦合效应的技术瓶颈;系统分析多物理因素对足端接触力的影响,实现了缓冲结构性能的量化评价,为足端参数优化提供了可靠的理论依据。

【目的】针对智能电网中电能供需优化匹配与调控越来越复杂,且传统静态优化方法不能满足智能电网优化需求的问题,提出了一种自学习最优控制方法来解决冰蓄冷空调(IAC)系统的最优控制问题。【方法】本文采用自适应动态规划-粒子群(ADP-PSO)算法解决系统最优控制问题,设计了双层迭代自适应动态规划方法学习最优控制策略,其中内层迭代计算时变换迭代控制律序列,外层迭代时优化迭代值函数。为获得适用于IAC系统的最优控制,开发了并行控制方案,该方案能够在最低运营成本的情况下满足冷却负荷需求。【结果】仿真结果和比较研究验证了所提算法的有效性。【结论】本文提出的自适应动态规划-粒子群算法可获得最优能量匹配,该策略可使迭代值函数收敛到最优,获得最优控制策略,使系统运行成本最小化。

【目的】内置式永磁(interior permanent magnet,IPM)电机因具有结构稳定、效率和功率因数高等优点被广泛用作井下潜油电机,油井井筒直径的限制和高温工作环境要求潜油永磁电机具有较高的转矩密度和较强的永磁体抗退磁能力。本文提出一种由一字型磁极和弓形磁极合成的正弦磁极,充分利用一字型磁极上方的转子空间,增加永磁体用量和d轴永磁体厚度,达到提高IPM电机功率密度和抗退磁能力的目的。【方法】保持一字型磁极尺寸恒定,采用有限元法分别研究了弓形磁极矢高对IPM电机短路电流、抗退磁能力以及空载和负载电磁性能的影响,并分析了内在原因。此外,采用等效圆环法研究了磁极矢高对转子铁心最大应力影响,保证转子机械强度。【结果】随着正弦磁极矢高的增加,尽管IPM电机的短路电流会随之增加,但其永磁体展现出更强的抗退磁能力;增加矢高虽会增加转子铁心的最大应力,但其最大应力远小于铁心材料的屈服应力,机械强度能满足实际需求;矢高较小时对IPM电机磁阻转矩的影响可以忽略,当矢高大于3 mm后,其磁阻转矩最大值随矢高的增加而下降明显,但总输出转矩一直随着矢高的增加而增加,转矩波动则随之减小。【结论】综合考虑磁极矢高对电机性能影响,选择了合适的正弦磁极尺寸,制造了样机并进行试验;试验结果与二维有限元仿真结果吻合良好,验证了提出的正弦磁极结构能有效提高IPM电机的转矩密度和抗退磁能力,为内置式永磁电机转子磁极设计提供了新的思路。

【目的】电力工程项目通常具有成本高和工期长的特点,且施工过程中受到多种因素的影响,如气候条件、原材料成本等。传统的成本和工期预测主要依赖经验,容易导致成本估算不足或冗余,进而造成工期延误或资源浪费。随着机器学习技术的快速发展,基于数据驱动的方法被引入成本和工期预测中,但由于电力工程领域的数据集规模较小,传统机器学习模型易出现过拟合问题,预测性能受限。基于该背景提出了一种结合支持向量回归(SVR)、分类与回归决策树(CART)、多变量线性回归模型(MLR)和灰狼优化算法(GWO)的混合模型,通过改进更新策略和参数搜索方法,以提升模型在小数据集上的预测精度和泛化能力。【方法】方案结合机器学习模型和改进的灰狼优化算法,搭建了一个高效的电力工程成本和工期预测框架。采用支持向量回归、分类与回归决策树和多变量线性回归模型作为基线机器学习方法,并利用灰狼优化算法对上述模型的参数进行搜索以防止过拟合,同时提出两项改进措施:采用混沌序列初始化狼群位置,确保种群多样性;优化灰狼位置的更新策略,通过周围群体信息共享提升搜索能力。【结果】实验结果表明,与传统方法相比,所提出的混合模型在成本和工期预测上具有较明显的优势。在训练和测试集上的性能结果对比显示,传统机器学习模型容易产生过拟合问题,导致泛化能力不足,而结合GWO的模型改善了该问题。其中,MLR+GWO混合模型在训练集和测试集上的表现均优于其他模型。进一步实验结果表明,通过改进灰狼优化算法(iGWO),混合模型的收敛速度显著加快,仅需6～8次迭代即可达到较优的适应度,而传统GWO算法需迭代11～12次才能达到类似效果。此外,改进算法有效避免了传统GWO算法容易陷入局部最优的问题。【结论】所提出基于线性回归和改进灰狼优化算法的混合模型在电力工程成本和工期预测领域展现出较为明显的性能优势。改进的灰狼优化算法通过优化初始化序列及更新策略,提升了算法的全局搜索能力和收敛速度。提出的混合模型泛化性能优于传统的机器学习模型,与传统方法相比,该方法在预测精度和训练效率方面均表现良好。

【目的】开展电力系统二次设备的状态评价工作,有助于防范电网运行风险,提升电网运行可靠性。针对电力系统二次设备评价模型在数值差异处理方面的局限性,为解决层次分析法的逻辑性问题和熵权法主观判断能力方面的不足,设计提出了一种改进熵权法的二次设备健康状态评估算法。【方法】按照电力系统二次设备的基本特征,分别构建了用于二次设备状态评估的技术指标和管理指标,并采用正向映射、反向映射和梯形映射关系对指标参数进行了标准化处理。在此基础上,采用基于正态分布的隶属度函数进行评价,既保留了高隶属度区间的有效信息,又涵盖了低隶属度区间的信息,而且避免了低隶属度区间比重过大而造成的误判。利用层次分析的权重原则建立各评价指标的判断矩阵,根据各个指标算术平均值和标准差引入熵权法的变异系数,实现了对评价指标权重的客观表达。建立了电力系统二次设备状态评价综合模型,以某变电站内36套保护装置为例对模型进行验证。【结果】验证结果显示,评价结果和站内实际保护装置运行状态一致。评语为“良好”的隶属度值为0.890 1,“一般”的隶属度值为0.097 9,由此可以判断出该变电站内的220 kV主变保护装置处于良好运行状态,与变电站内实际保护装置的运行状态一致。样本数据的对比分析结果显示,采用层次分析法得到的评价指标隶属度函数极差为0.321 0,熵权法极差为0.341 4,可能出现误判。纵向比较AHP-熵权法、熵值法赋权算法后发现,两者隶属度极差值分别为0.125 0和0.1849,最小值分别为0.806 5和0.708 8,不会出现误判。本文算法得到的隶属度极差值为0.048 1,最大值和最小值分别为0.900 0和0.851 9,数据的波动范围更小,判断的可靠性更高。【结论】本文创新点在于:一方面采用层次分析法和熵权法相结合的组合赋权方式,有效规避了主观赋权法带来的人为因素干扰;另一方面充分考虑了设备评价的客观因素,引入了基于变异系数的熵权法权值计算方法,使得权值计算更好地反映了设备的实际运行状态。实际测算结果显示,本文方法能够更优地反映设备运行的实际状态,为设备运维提供了关键支撑。

【目的】随着电网规模不断扩大和结构日益复杂,传统电网建模和可视化方法逐渐暴露出诸多问题,如建模准确度难以满足复杂电网结构的精细化展示需求、受限于应用场景而无法有效应对多样化业务需求,且建模普遍缺乏科学有效的校验机制,难以保障结果的准确性和可靠性。为解决这些问题,提出了一种融合GIS-GIM与DETR网络的三维电网建模及校验方法,以实现高准确度的三维电网建模,并建立有效的校验体系,为电网规划、运维与管理提供坚实的数据基础和可靠的决策支持。【方法】首先,将电网信息模型(GIM)集成到地理信息系统(GIS)中,利用GIS强大的地理空间分析与展示能力,结合GIM对电网设备和拓扑结构的详细描述,实现更宏观、更全面的三维电网建模,从地理空间维度直观呈现电网的整体布局与设备分布。其次,对DETR网络进行改进,通过优化网络结构、调整参数设置以及采用更有效的训练策略,使其能够更准确地对三维电网设备进行检测和分类。在训练过程中,收集大量的三维电网设备数据,构建丰富多样的数据集,并对数据进行标注和预处理,以提高模型的泛化能力。最后,将改进后的DETR网络应用于三维电网建模过程中,对建模结果中所涉及的设备进行逐一检测和分类,确保设备信息的准确性,从而保障整个建模结果的准确性。【结果】为验证本文方法的有效性,对基于3座新建变电站的100组设备数据展开实验分析。实验结果显示,相较于传统建模方法,融合GIS-GIM与DETR网络的三维电网建模方法在建模准确性上有显著提升,能够更精准地还原电网设备的空间位置、结构形态以及设备间的连接关系。在建模结果校验方面,校验网络展现出良好性能,其准确率达到93.14％,表明该方法能够有效检测出建模过程中可能存在的错误和偏差,确保建模结果的可靠性。【结论】融合GIS-GIM与DETR网络的三维电网建模及校验方法,在提高电网建模准确率和建立有效校验机制方面表现优异,能够满足实际电网建模的高准确度需求。该方法能够为电网的日常运维、故障诊断与抢修等管理工作提供直观、准确的三维可视化信息,为电网规划和管理提供可靠的决策依据,具有重要的理论意义和广阔的应用前景。

【目的】农业园区可再生能源资源禀赋丰富,在“双碳”目标驱动下,其综合能源系统(IES)的高效运行对于推动绿色低碳转型具有重要意义。然而,当前农业园区普遍存在能源利用效率低、多能源系统调配不均、可再生能源就地消纳能力不足等问题,严重制约了农业生产效率和可持续发展水平。为此,提出了一种基于深度学习的农业园区IES运行优化方法,旨在构建更具经济性与低碳性的能源调度机制。【方法】首先,构建农业园区IES多目标优化调度模型,综合考虑燃气轮机燃料成本、电网交互成本及设备运维成本,形成涵盖多种能源形式的系统数学模型;其次,针对风光(风电、光伏)出力及负荷预测需求,设计改进型长短时记忆(LSTM)神经网络功率预测模型,并引入量子粒子群优化算法(QPSO)对网络的隐含单元数量、学习率等超参数进行动态优化,以提升预测精度;最后,针对传统黄金正弦算法(GSA)易陷入早熟收敛的问题,引入Lévy飞行机制提升更新效率,结合动态权重策略优化全局与局部搜索能力,构建改进GSA实现系统调度优化。【结果】在实例分析中,改进的QPSO-LSTM预测模型将预测误差稳定控制在5％以内,相较传统方法具有更高的预测精度和更强的全局搜索能力。在调度优化方面,改进GSA使系统日运行成本较未优化方案下降69.7％,风光就地消纳率提升27.9％,显著优于传统GSA,展现出优良的多能调度协调能力。【结论】所提出的基于深度学习的农业园区综合能源系统运行优化方法,能够实现对系统功率的高精度预测,并在此基础上有效降低系统运行成本,提升可再生能源就地消纳能力,在经济性与低碳性协同优化方面具有显著优势,为农业园区IES的高效、绿色运行提供了可靠的技术路径。

【目的】工业控制协议解析是工业互联网安全中的关键环节,但传统方法存在普适性差和准确率低的问题,导致协议解析效率低下,难以满足实际工业场景中对高精度和高适应性解析的需求。【方法】提出一种基于深度学习模型的工业控制协议逆向解析方法,通过结合BERT预训练模型、双向长短期记忆网络(BiLSTM)和条件随机场(CRF),提升协议解析的普适性和准确率,为工业控制系统的安全分析和漏洞挖掘提供技术支持。首先,利用BERT预训练模型对工业控制协议数据进行动态词向量编码,将协议数据转化为高维向量,以捕捉协议数据的语义信息。BERT预训练模型通过其强大的上下文理解能力,能够有效处理复杂且多样的协议数据。其次,采用双向长短期记忆网络对协议数据之间的关系以及协议数据与标签数据之间的关联性进行建模。双向长短期记忆网络能够捕获协议数据中的长距离依赖关系,从而更好地理解协议的结构和语义。最后,引入条件随机场作为约束条件,对工业控制协议的格式和语义进行最优预测。条件随机场通过引入标签之间的转移概率,进一步提高了预测的准确性和一致性。通过BERT预训练模型、双向长短期记忆网络和条件随机场的结合,实现了对工业控制协议的格式提取和语义分析。此外,本文方法还针对大规模协议数据进行了优化,确保其在处理复杂工业场景时的高效性和稳定性。【结果】针对三种典型工业控制协议展开实验,结果表明本文方法在格式提取和语义分析上的精度均超过96％,较传统方法有所提升,在不同协议上均表现出高适应性和准确性,能够有效识别字段边界与语义信息。【结论】本文方法显著提升了工业控制协议解析的普适性和准确率,为工业控制系统的安全分析提供了可靠的技术支持。未来将进一步优化模型,拓展应用场景,提升方法的实用性。

【目的】电力工程因施工周期长,易受多种不确定因素影响,可能导致成本大幅增加。因此,合理估算应急成本对工程管理至关重要。然而,传统基于经验的方法误差较大,难以适应复杂的工程环境。基于模糊专家系统和机器学习的方法在性能上虽有所改进,但仍存在参数优化难、过拟合严重等问题。为此,提出了一种应急成本估算新方法,通过结合自适应网络模糊推理系统处理不确定性问题的优势,并引入主成分分析模块缓解过拟合问题,进而提高预测精度。【方法】提出了一种结合风险分析和自适应网络的模糊推理系统的应急成本估算方法,通过分析影响电力工程成本的13个风险因素,建立了应急成本与风险因素之间的关系模型;利用模糊逻辑处理不确定性问题,引入了自适应网络模糊推理系统。自适应网络模糊推理系统通过模糊化输入变量并利用神经网络进行推理,避免了传统模糊专家系统对模糊规则库的依赖。为进一步提高预测精度,在自适应网络模糊推理系统中引入了主成分分析模块,通过降维减少冗余信息,缓解了其在小数据集上可能出现的过拟合问题。【结果】实验选取210条电力工程应急成本数据,随机选取80%作为训练集、20%作为测试集,对比4种方法的性能:基于Mamdani模糊推理的方法、基于支持向量机的方法、基于自适应网络模糊推理系统的方法和基于改进型自适应网络模糊推理系统的方法。实验结果表明:对比两种现有方法,基于自适应网络模糊推理系统的方法在训练集上表现优异,但在测试集上过拟合严重;引入主成分分析模块后,基于改进型自适应网络模糊推理系统的方法在测试集上的表现明显更优、泛化能力更强且收敛速度更快。【结论】基于改进型自适应网络模糊推理系统的应急成本估算方法结合了模糊推理和神经网络的优势,提高了对电力工程应急成本的预测精度。主要创新点为:提出了一种应急成本估算方法,结合了模糊逻辑和神经网络的优势,能够有效处理不确定性问题;在自适应网络模糊推理系统中引入了主成分分析模块,通过降维减少了冗余信息,有效避免了模型过拟合问题,提高了其泛化能力。该方法可为电力工程预算管理提供智能化解决方案,也可推广至其他不确定性成本预测领域。

【目的】随着可再生能源发电的快速发展,光伏发电因其安全可靠、调节灵活和清洁环保等优势,已得到广泛应用。在大规模光伏发电的需求背景下,光伏电站通常采用多台逆变器并联并网的方式以提高发电效率。然而,随着并网规模的扩大,弱电网中的感性阻抗对电网的稳定性和可靠性带来了挑战,表现为全局谐振抑制效果不佳及系统稳定性失控的风险。【方法】首先,构建光伏多逆变器并联系统的诺顿等效模型,并基于该模型深入分析弱电网条件下多逆变器系统的谐振特性,发现耦合谐振频率与逆变器台数呈负相关关系。其次,基于控制理论,提出结合电容电流反馈和电网电压前馈的优化控制策略,以有效解决多逆变器系统中的全局耦合谐振问题。同时,在公共耦合点(PCC)设计并联虚拟导纳的全局谐振抑制策略,从系统层面实现对全局谐振的有效抑制。最后,通过对2台和4台逆变器并联系统进行策略实施前后的仿真实验,以及与其他文献方法的对比仿真实验,验证本文策略的正确性和有效性。【结果】理论分析与仿真结果表明,全局谐振抑制策略能够显著提高系统的稳定性。通过Nyquist判据验证优化控制策略及参数的合理性。仿真实验结果显示,应用本文策略后,系统的谐波含量从17.32％显著降低至1.71％。这一结果表明,本文策略能够有效抑制全局谐振,并增强系统的稳定运行能力。【结论】本文构建了光伏多逆变器并联系统的诺顿等效模型,并创新性地分析了弱电网条件下的谐振特性。在此基础上,提出了一种结合电容电流反馈与电网电压前馈优化控制,在PCC处并联虚拟导纳的全局谐振抑制策略。该策略有效解决了多逆变器并联系统中因逆变器数量多、电网感抗大而引发的稳定性问题。通过对比仿真实验进一步证明了该策略在全局谐振抑制方面的优越性,为光伏发电并网系统的高效运行提供了重要参考。

【目的】近年来锂离子电池发展遇到能量密度提升缓慢、成本居高不下与温度适应范围窄等瓶颈,而具有低成本和高能量密度的钾离子电池成为下一代大规模电化学储能体系的理想选择。氟代磷酸盐(KVPO₄F)因具有坚固三维框架结构和高工作电压等优势,成为钾离子电池的首选正极材料。然而,较大尺寸的钾离子在充放电过程中反复嵌入/脱出会造成KVPO₄F发生结构粉化,导致容量快速衰减且循环稳定性较差,由配位多面体共价键合成的结构限制了电子转移模式,极大地阻碍了KVPO₄F正极材料的动力学性能,导致其倍率行为较差且实际容量较低。为了提高KVPO₄F正极材料的容量、倍率与循环稳定性,通常采用元素掺杂、碳包覆、形貌工程等策略对其进行改性研究,以改善其储钾性能,但由于晶格间距、晶面暴露与V³⁺含量之间的不平衡性,KVPO₄F正极材料的容量、倍率和循环稳定性很难同步提升。KVPO₄F正极材料的合成通常包括两个连续的热处理步骤,包括VPO₄前驱体的制备以及将VPO₄与KF混合后进行二次煅烧生成KVPO₄F。因此,VPO₄的晶体结构势必会影响KVPO₄F的颗粒尺寸、晶面取向,从而影响KVPO₄F的储钾稳定性。【方法】采用溶胶凝胶—高温退火法制备了系列VPO₄材料,研究了不同VPO₄材料对终产物KVPO₄F晶格与电化学性能的影响。【结果】不同温度下制备的VPO₄会显著影响KVPO₄F的晶格暴露强度、晶格间距和V³⁺含量,且随着温度从700 ℃升高到800 ℃,KVPO₄F的晶格暴露强度、晶格间距和V³⁺含量均先增后减。当采用经750℃退火处理的VPO₄作为前驱体时,制备的KVPO₄F具有最强晶面暴露程度、最大晶格间距与最高V³⁺含量,确保其在充放电过程中具有优异的结构稳定性、离子迁移能力与离子存储数量。电化学性能测试结果表明,在0.2C(1C=131mA/g)下经过30次循环后,KVPO₄F的比容量为57.3mAh/g,远高于相同条件下的对照样品。此外,在0.2、0.5、1和2C下KVPO₄F的可逆比容量分别为62.1、53.8、44.6和30.6mAh/g。【结论】基于VPO₄调控确定了前驱体VPO₄对终产物KVPO₄F微观结构的影响规律,揭示了电化学性能改善的内在机制,为获得高容量KVPO₄F正极材料奠下良好基础。

【目的】6061铝合金因其具有良好的综合性能而被广泛应用,但其焊接接头质量存在一定局限性。本文采用激光冲击强化方法,有效提高了6061铝合金焊接接头质量,并深入探究了激光冲击强化前后焊接接头的力学性能和组织变化规律,同时剖析了其内在的影响机理,从而为铝合金焊接工艺的优化提供坚实的理论依据和实践指导。【方法】选取6061铝合金焊接接头为研究对象,运用激光冲击强化技术对其表面进行处理。在处理过程中,严格控制激光的脉冲激光频率、冲击范围、脉宽及搭接率等参数,研究不同激光能量对6061铝合金焊接接头质量的影响,分析焊接接头在激光冲击强化前后的力学性能指标,如抗拉强度和硬度等,同时借助光学显微镜、扫描电镜以及电子背散射衍射微观组织分析技术,观察和对比焊缝处的晶粒尺寸、冲击层厚度等微观结构特征的变化情况。【结果】首先,激光能量与焊接接头的抗拉强度呈现明显的正相关性,即随着激光能量逐步增大,焊接接头的抗拉强度也随之稳定上升。其次,对焊缝表面进行硬度检测,发现经激光冲击强化后,焊接接头硬度得到了显著提升,提高幅度最高可达23％。最后,从微观结构来看,激光冲击层厚度发生了明显变化,由初始的15.83μm大幅增加到30.77μm,这表明激光冲击对材料表面产生了深层次的影响。同时,焊缝中心的晶粒尺寸也有明显变化,由原来的33.68μm减小到14.5μm,晶粒变得更加细小,微观组织得到了优化。【结论】综合上述研究结果可知,激光冲击强化技术在6061铝合金焊接接头处理中能展现出卓越的效果。金属材料表面产生的高能量能够有效减少塑性变形对材料表面及内部的不良影响,促使晶粒细化,这是改善焊接接头力学性能的关键因素。通过激光冲击强化处理,焊接接头的抗拉强度和硬度均得到有效改善,这不仅有助于提升6061铝合金焊接结构在实际应用中的可靠性和耐久性,还为进一步拓展铝合金在高端制造领域的应用范围提供了有力的技术支撑。未来可进一步深入研究激光冲击强化的最佳工艺组合参数,以实现对6061铝合金焊接接头质量更为精准和高效的提升,推动铝合金焊接技术的持续发展与创新。

【目的】马氏体不锈钢(0Cr13Ni5Mo)因具备优良的锻造、铸造和耐腐蚀性能,广泛应用于水电、化工和高压容器等领域。然而,在特定工作环境中,0Cr13Ni5Mo材料的失效加速,尤其在水力过流部件中易受到沙粒冲击和水体腐蚀的影响。因此,有必要采取保护措施提升其表面性能,从而延缓材料失效。【方法】为提高过流部件的使用寿命,采用激光熔覆技术在0Cr13Ni5Mo基材表面制备了不同Nb含量(0％、5％、7％、9％)的铁基合金涂层。通过XRD、SEM、维氏硬度计和电化学工作站分析Nb元素的添加对铁基合金涂层显微组织、相组成、显微硬度及电化学性能的影响。【结果】研究结果显示,显微组织由灰色基体和块状、花瓣状VC增强相以及网状Cr碳化物构成。随着Nb含量的增加,基体中块状和颗粒状Nb碳化物的尺寸逐渐增大,形貌由块状和颗粒状转变为花瓣状和蝶状,同时Cr碳化物网状结构逐渐减少。相组成分析表明:4种熔覆涂层试样均由体心立方结构的马氏体相、面心立方结构的奥氏体相、VC碳化物增强相和Cr₂₃C₆相组成。特别是在S2、S3和S4样品中,随着Nb含量增加,X射线衍射曲线中出现了NbC相的峰值,表明Nb在激光熔覆过程中通过原位反应生成了NbC碳化物增强相,且基体中奥氏体相随Nb含量增加而增加。所有样品的显微硬度均随着Nb含量的提高而提升,其中S3样品的显微硬度最高,达到645 HV。电化学测试表明,随着Nb含量增加,样品的自腐蚀电位逐渐升高,自腐蚀电流逐渐减小。S3和S4样品展现出典型的阳极极化特征,包括活性溶解区、钝化区以及钝化膜破裂后的过钝化区。在样品S4中,由于碳化物数量较多,导致了微电偶腐蚀,耐蚀性有所下降。S3样品的电化学性能最佳,自腐蚀电位为-179.3 mV,自腐蚀电流密度仅为样品S1的10.3％,达到9.258×10^-8 A/cm²。其耐腐蚀性能的提升归因于MC型碳化物中Cr含量的减少,导致更多的Cr溶解进入基体,相中Cr含量增加,从而增强了涂层的耐腐蚀性能。【结论】设计并制备了一种含Nb的铁基合金涂层,用于0Cr13Ni5Mo水力过流部件的表面改性,以期推动激光熔覆技术在过流部件表面强化涂层中的应用发展。

【目的】随着网络规模的不断扩大及攻击手段的日益复杂,网络流量异常检测技术已成为保障网络安全的关键环节,对维护关键信息基础设施的稳定运行具有重要意义。然而,传统机器学习方法在复杂网络流量特征提取方面普遍存在收敛速度慢、特征表征精度不足等瓶颈,限制了其在实际异常检测场景中的应用效果。为此,本文提出了一种基于卷积神经网络(CNN)增强学习器与门控循环单元(GRU)的时空融合深度学习模型(C²-GRU),旨在提升异常流量的多维度检测性能。【方法】设计了一种二次融合的深度学习框架,结合CNN对空间特征的提取能力与GRU对时间特征的建模优势。通过构建C-GRU模型实现初步的时空特征融合,并进一步与CNN级联形成C²-GRU模型;通过双重卷积并行提取时空特征,从而捕捉复杂网络环境下异常流量的多维特征。【结果】在KDD99数据集上的对比实验表明,C²-GRU模型的综合性能优于其他对比模型,该模型的准确率和AUC值分别达到99.89％和0.990 2,相较于单一CNN或GRU模型,检测性能显著提升。此外,与传统异常检测模型相比,该模型在实现高识别性能的同时,具备较短的模型运行时间,展现出更优的工程实用性。【结论】C²-GRU模型通过二次卷积融合策略,有效增强了时空特征的学习能力,能适应复杂网络环境下的异常流量检测需求。该模型在异常识别准确率与计算效率方面均具有优势,可为关键信息基础设施的安全防护提供技术支持,且能降低网络攻击引发的经济损失,对网络信息安全保障具有重要的实践参考价值。

【目的】受有限稳压直流电源影响,进行混沌电路设计与实现时,需要对混沌系统的各个变量进行幅值控制,即变量压缩成为了必不可少的前提条件。目前,对混沌系统吸引子的几何控制,如幅值控制、偏置控制等是混沌系统研究的热点方向。在已有方法基础上,提出了一种新的幅值控制方法,期望挖掘混沌系统中更多的潜在应用。【方法】本文提出了一个五维混沌系统,利用三维相图和李雅普诺夫(Lyapunov)指数验证了该系统的混沌性;分别对这个系统两个方程中的状态变量-u取绝对值,得到两个新的切换混沌系统,比较新系统和混沌系统相图,其幅值发生了变化且形状高度相似,实现了全局调幅;第2个方程中的状态变量-u取绝对值后为忆阻混沌系统,由3个不同频率下的紧磁滞回线验证了忆阻器的真实性,对忆阻混沌系统进行了详细分析,在系统的3个非线性项中加入参数k,吸引子在5个维度上的振幅均值会随之发生变化,说明忆阻混沌系统含有全局调幅参数;由随忆阻参数a变化的Lyapunov指数谱验证了忆阻混沌系统存在多稳态,随忆阻参数a变化的信号绝对均值和相图证明了忆阻参数a选择合适值时,能实现全局调幅。【结果】忆阻混沌系统的模拟电路方程、等效电路图及混沌系统在示波器上的模拟相图结果与计算机仿真结果高度相似,表明混沌电路设计具有一定的可靠性。【结论】所提出的五维混沌系统混沌化程度较高,且提出基于忆阻变量的切换变幅理论,为忆阻混沌系统的研究提供了新的方向。未来可以尝试以曲面为切换面,并通过计算机仿真实验,进一步研究切换变幅现象是否广泛存在于忆阻混沌系统中,并对其存在原理进行探索。系统在5个维度上的示波器相图与计算机仿真实验结果高度吻合,说明该系统维度高、混沌性强,具有切换幅值控制等特性,使其在工程应用上具有良好前景。

【目的】在航空业的快速发展背景下,航空运输的规模与水平得到显著提升,航空运输成为经济活动中不可或缺的运输方式。然而,航空运输中的货物装载路径规划问题限制了运输效率与成本的优化。针对航空运输的运行效率提升和成本优化问题,提出了一种基于自适应遗传算法的航空运输装载路径优化算法。【方法】为了阐明航空运输的装载路径优化算法,分析航空运输装载的实际需求与路径规划平台的计算条件,探讨影响航空运输装载路径优化的运输成本因素。在此基础上,通过改进具有自适应功能的遗传算法,采用具有自适应功能的适应度函数、交叉概率和变异概率,避免了传统算法稳定性差和收敛速度慢的问题。该算法的核心在于动态调整交叉概率和变异概率,以适应种群的进化状态,从而提高算法的全局搜索能力和收敛速度。在研究过程中,详细描述了自适应遗传算法的编码方式、适应度函数的设定、交叉概率和变异概率的计算方法及控制原理,并提出装载路径优化算法的具体执行步骤。通过在MATLAB平台上使用编程方法取得算法的结果,并利用实际航运机场的配送数据进行仿真测试。【结果】仿真结果表明,与传统遗传算法、智能水滴算法和改进蚁群算法相比,基于自适应遗传算法的航空运输装载路径优化算法在运输效率和总体运输成本方面均有显著优势。航空运输装载路径优化算法能够有效降低航空运输装载的平均运输成本,同时提高运输效率。在实际航空运输装载过程中由于受复杂环境因素影响,飞机货舱尺寸限制、配送道路路况复杂等问题尚未在算法中得到深入考虑,表明算法仍有改进空间。【结论】综上所述,基于自适应遗传算法的航空运输装载路径规划算法引入具有自适应机制的改进遗传算法,使其在航空运输装载路径规划问题上表现出更好的全局搜索能力和收敛速度,为航空运输装载路径规划提供了一种新思路,同时也为航空物流领域提供重要的理论和实践价值。未来的研究将考虑更多实际运行环境因素,以进一步优化算法性能。

【目的】钢铁工业作为我国经济发展的支柱产业之一,在整个制造业中具有无可取代的地位。热轧带钢具有包容覆盖能力强、便于加工、节省材料等优点,是生产其他钢产品的主要原材料,提高带钢产品的表面质量是提高钢铁产品质量的重要环节。由于受到生产、加工、拍摄等多种因素的影响,原始带钢表面缺陷图像亮度不均匀、缺陷区域与非缺陷区域对比度较低,导致缺陷信息不够清晰、不便于检测。针对上述问题提出了一种基于小波去噪与改进同态滤波相结合的带钢表面缺陷图像增强算法。【方法】算法采用二级小波变换将原始图像分解为低频分量和高频分量。低频分量包含原图的主要信息,对低频分量进行增强处理以提升图像的整体效果。分别采用改进的同态滤波算法以及限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对低频分量进行增强,在均衡图像亮度的同时提高了整体对比度,并将上述两种算法处理后的低频图像基于适当的权重进行图像融合,得到增强后的低频分量。而高频分量包含图像的细节信息以及噪声,对高频分量使用了改进的阈值函数提升去噪效果,并较好地保留了边缘细节。将处理后的低频分量和高频分量通过小波重构得到最终的增强图像。【结果】通过主观视觉评价和客观评价指标对算法处理结果进行多组对比分析,与其他算法结果相比,经本文算法增强后的各类带钢表面缺陷图像亮度均明显提升,且整体亮度保持均衡,同时提高了对比度,图像的纹理细节和缺陷信息也更加明显。采用通用指标均方误差(mean square error,MSE)、峰值信噪比(peak signal to noise ratio,PSNR)和图像信息熵(image entropy,IE)对算法进行评估,综合分析各参数可知,本文算法对提高对比度、降低噪声效果较为显著,同时保留了更多的细节信息,失真度较小。【结论】实验结果表明,本文算法有效改善了带钢表面缺陷图像亮度不均匀的问题,在提高了整体对比度的同时提升了去噪效果,使缺陷信息和边缘细节得到显著增强,并且适用于多种类型的带钢表面缺陷检测。

【目的】由于架空线路长期暴露在野外且受自然环境因素的影响较大,及时监测其运行状态对电网安全运行具有关键作用。随着无人机飞控技术的发展,在其上搭载红外、紫外与激光雷达等检测模块被广泛应用于输电线路的巡检中。但目前传统方法仅在单一场景线路巡检过程中具有较优的处理效果,而面对混合输电线路巡检等复杂环境,难以快速准确地分析输电线路巡检数据,为此提出了一种面向混合输电线路巡检的点云数据处理优化方法。【方法】构建输电线路巡检点云数据处理平台,通过搭载在无人机平台上的激光雷达采集输电线路混合点云数据,且点云数据处理包括数据管理、预处理、分类与智能巡检4个环节。利用八叉树方法对混合点云数据进行抽稀处理以减少冗余数据量,从而保证数据的精准性。设计了一种神经网络模型对抽稀后的数据进行优化处理,该模型主要包括特征学习层、卷积层和分类层。特征学习层通过多次投影和最大池化处理可以避免三维点云数据自身的无序性对特征提取造成的影响;卷积层用于提取各个体素栅格与周边个体的共同特征,并引入传统输电线路特征提取算法提取体素栅格特征;分类层包含全连接层与ReLU激活函数,并以Softmax模型作为分类函数以获得混合点云数据的分类结果。【结果】选择LDLRS3100激光雷达采集某地区输电线路通道的点云数据,无人机雷达系统测距范围为360 m,飞行速度为20 km/h,飞行高度为150 m。基于Pytorch平台进行实验分析,结果表明,面向混合输电线路巡检的点云数据处理优化方法能够有效识别输电线路与地物的差别,并获取清晰的杆塔及其所处环境信息,总体准确率达到了92.71％,明显优于其他对比方法。为兼顾最高抽稀率和最佳点云数据视觉效果,可将抽稀密度设置为0.02 m。【结论】利用八叉树抽稀法和神经网络模型对混合输电线路巡检的点云数据进行优化处理,能够快速准确地划分各类点云数据,有效提升输电线路智能巡检的可靠性。

【目的】配电网工程造价受规模容量、设备材料成本、地理条件等多维度因素影响,传统统计方法难以有效处理高维非线性数据,而现有机器学习方法虽引入特征降维技术,但仍存在一定局限性,主成分分析(PCA)虽能降低维度却牺牲了预测精度,而灰色关联分析(GRA)忽略了特征间的交互作用。因此,亟须构建一种既能保留关键特征信息、又能兼顾特征间复杂关系的预测方法。通过融合递归特征消除(RFE)法与随机森林(RF)算法构建RFE-RF预测模型,旨在解决特征冗余与非线性建模难题。【方法】采用“特征选择-模型构建-实验验证”技术路线,选用RFE法进行特征选择,通过迭代训练模型逐步剔除对预测贡献最小的特征并保留最优特征子集。采用RF算法进行模型构建,基于集成学习思路构建多棵决策树,通过平均化输出结果有效抑制过拟合,提升模型鲁棒性。RF对噪声数据不敏感且能量化特征重要性,可为RFE提供可靠的特征排序依据,从而可将RFE嵌入RF训练流程形成闭环优化过程。【结果】选用某电网公司190个配电网工程项目数据,数据涵盖电压等级、线路长度、设备价格等21个初始特征,对分类型特征进行数值化映射并保留原始分布特征。通过五折交叉验证与均方根误差优化,确定包括线路长度、电缆综合价格、电压等级等关键因素的12个最佳特征子集。与传统线性回归(LR)算法、随机森林算法、基于互信息的随机森林(MI-RF)算法相比,RFE-RF算法在测试集上的预测平均绝对误差为8.6579,预测平均绝对百分误差为6.97％,显著优于其他算法。RFE-RF算法在测试集的平均绝对误差仅比训练集增加约4.5％,其过拟合风险低于其他算法,表明可以通过特征选择有效提升算法稳定性。【结论】特征选择成为提升配电网造价预测精度的关键,RFE法能够通过动态迭代来剔除冗余特征,显著降低数据维度与噪声干扰。RFE-RF模型兼具高精度与强解释性,其平均绝对误差相比传统模型大为降低,且能够清晰量化不同特征对造价的影响权重。将RFE与RF结合应用于配电网造价预测,能够解决特征交互与冗余筛选难题,可为复杂工程系统的数据建模提供新范式。RFE-RF模型可为电网企业提供精准造价预测工具,辅助投资决策与成本控制,推动配电网工程建设的智能化与精细化,并可通过揭示特征选择对机器学习模型泛化能力的影响机制,为高维非线性数据的特征优化提供实践参考。

【目的】针对常规继电保护受光伏助增和汲出电流的影响,导致保护装置难以发挥有效作用的问题,提出了一种适用于含高渗透率分布式光伏接入条件的配电网继电保护定值多目标整定方法,以期在满足经济性和实用性的基础上,提高保护的速动性、灵敏性及选择性,有效保护电网安全,支持分布式光伏的广泛接入。【方法】分析了光伏助增和汲出对配电网保护配置的影响,将距离保护与电流速断保护作为保护判据,规避了光伏接入导致的配电网保护误动和拒动问题。以确保速动性、灵敏性及选择性指标参数最优构建保护定值多目标优化模型,并利用动态分裂算子对粒子群算法进行了改进,使得保护定值的求解能够满足实际应用需求。【结果】高渗透率光伏接入会导致配网保护误动或者拒动,而采用距离保护结合电流速断保护作为保护判据有效规避了这一问题。研究构建了多目标优化的保护配置模型,形成了对某一区域整体保护效果的评价指标,基于粒子群算法完成了对保护定值的求解,实现了高渗透率光伏接入情况下保护效果的整体评估,同时提升了保护的速动性、灵敏性和选择性。【结论】研究结果表明,采用距离保护结合电流速断保护的方式可以有效避免光伏助增作用对传统电流速断保护的影响。利用多目标优化方案,可有效提高保护性能。采用均衡策略时,其速动性指标提升约82.2％,灵敏性指标提升约3.8％,选择性指标提升约33.1％。本文创新点在于:采用距离保护结合电流速断保护的方式形成保护判据,规避了由于光伏接入导致的配电网保护误动和拒动的问题;构建了保护定值的多目标优化方案,并利用动态分裂算子对粒子群算法进行了改进,避免了粒子群算法的局限性,同时提高了保护定值的可靠性和适用性。

【目的】随着电力工程的快速发展,施工现场的安全问题日益突出,而传统的人工检查方法耗时且易出错。近年来,计算机视觉、深度学习与知识图谱技术的发展为不安全作业行为的自动识别提供了新可能。然而,现有计算机视觉方法在小目标检测方面仍存在不足,同时缺乏适用于不安全作业推理的高质量数据库。为此,本文结合知识图谱、本体模型、图形数据库和计算机视觉,通过实体检测、场景分析及空间关系推理,并引入改进的自注意力机制提升小目标检测能力,以精准识别施工现场的不安全作业行为。【方法】所提出的方法主要包括本体模型构建、知识抽取和知识推理。首先,基于工程文件、历史事故报告、安全作业隐患报告等构建施工安全本体模型,将信息划分为实体、属性、时间、空间、事件和属性值这6个类别,以规范知识表达。其次,利用计算机视觉方法检测作业实体及其属性,并提取实体间的空间关系,采用Mask R-CNN进行目标检测,并结合改进的自注意力机制提升小目标检测精度,从而优化模型性能并降低计算复杂度。最后,使用Neo 4j图形数据库存储实体及其关系,并基于数据库查询自动识别不安全作业行为,实现施工安全知识的结构化推理,提高不安全作业识别的智能化水平。【结果】以某电力工程施工现场为背景,选取了6种可能引起高空坠落的不安全作业行为进行仿真实验。实验结果表明,本文方法在识别精度和训练效率上均优于现有方法,尤其在小目标检测方面,改进模型展现了更高的识别精度。此外,通过特征金字塔网络和统一感知解析方法进行场景分割,显著提升了模型的场景理解能力。基于Neo 4j图形数据库的知识推理方法有效整合了实体属性与空间关系,提高了不安全作业识别的自动化程度。【结论】本文方法可在复杂施工场景下精准检测不安全作业行为,提高施工现场安全管理的智能化水平。创新点主要包括:结合计算机视觉与本体模型,提高施工安全管理的自动化程度;通过修改卷积核并引入全局最大池化层优化自注意力机制,提升Mask R-CNN网络的小目标检测能力;引入图形数据库Neo 4j,实现施工安全知识的结构化存储与推理。研究成果为施工现场不安全作业行为的自动识别提供了一种高效、可扩展的解决方案。

【目的】随着电网规模的不断扩大和运行环境的日益复杂,输电设备表面腐蚀问题已成为威胁电网安全运行的重要因素。传统人工巡检方式不仅效率低,而且难以准确识别设备表面的细微腐蚀特征,特别是在复杂自然环境下腐蚀区域边界往往模糊不清,给精确识别带来巨大挑战。为此,提出了一种基于图像语义分割的输电设备表面腐蚀区域细粒度识别方法,旨在通过深度学习技术实现对腐蚀区域的精准检测和识别。【方法】上述识别方法的核心为构建了一个融合注意力机制的语义分割网络,该网络通过引入通道注意力和空间注意力机制,能够有效捕捉腐蚀区域的细微特征和精确边界。具体而言,通道注意力机制通过分析特征图各通道间的关系,增强对腐蚀特征显著通道的响应;空间注意力机制则通过关注特征图的空间位置信息,强化腐蚀区域的空间特征表达。完成初步分割后,采用K-means++聚类算法对分割后图像的像素RGB值进行聚类分析,该算法通过优化初始聚类中心的选择,有效避免了传统K-means算法可能陷入局部最优的问题,从而能够更准确地划分腐蚀与未腐蚀区域。为进一步提高识别精度,引入了结构相似性指标对各聚类区域进行评估,通过计算区域间的结构相似度,在像素级别上实现了腐蚀区域的细粒度识别。【结果】识别方法在复杂自然环境下的输电设备图像数据集上取得了显著效果,腐蚀区域识别准确率大幅度提高,边界定位精度较传统方法明显提升。【结论】该识别方法通过融合注意力机制的语义分割网络,并结合K-means++聚类算法与结构相似性指标评估,为输电设备表面腐蚀区域的细粒度识别开创了一种高效且精确的新途径。该识别方法通过引入注意力机制,有效应对了腐蚀区域特征复杂、边界模糊的挑战,显著提升了识别精度。同时结合聚类算法与结构相似性评估,实现了像素级别的细致区分,进一步增强了识别的精细度和实用性,为电网的安全监测与维护提供了坚实的技术保障,不仅保障了电网的安全稳定运行,还为图像识别和分割技术在其他领域的应用提供了宝贵的思路和启示。

[目的]电力工程造价预测在电网企业资源优化、财务稳定、风险管理、效率提升、项目决策、政策制定、市场秩序维护和投资者决策等方面具有重要意义。针对传统预测方法综合性能较差的问题,并考虑电力工程造价数据的小样本特性,提出了一种基于梯度提升决策树(gradient boosting decision tree,GBDT)的预测模型,通过优化训练过程中的残差,显著提升预测精度。[方法]从自然环境和技术因素出发,深入分析了电力工程造价的影响因子,筛选出11个影响电力工程造价的关键变量。通过数据清洗、特征编码和对数变换,构建适配GBDT模型的特征工程。采用Optuna框架进行超参数调优,并利用5折交叉验证法评估模型性能。模型优化以拟合优度作为评价指标,迭代寻找最优超参数,直至满足预测精度要求或达到最大迭代次数,最终建立结合Optuna框架的梯度提升决策树预测模型。以某地区变电工程造价数据为例,90％的数据样本作为训练集和验证集,10％的数据样本作为测试集,对比分析随机森林、神经网络、GBDT和结合Optuna的GBDT模型的预测效果,通过拟合优度与均方根误差进行性能评估。[结果]实验结果显示,结合Optuna的GBDT模型预测效果优于随机森林、神经网络及GBDT算法,预测值在真实值的±10元/kVA区间浮动。在验证集上,拟合优度为0.892 3,均方根误差为8.01;在测试集上,拟合优度为0.886 6,均方根误差为8.09。[结论]基于GBDT的电力工程造价预测模型能够精准预测电力工程造价,相较传统方法具有更高预测精度,尤其适用于电力工程造价类的小样本数据集。结合Optuna框架进行超参数调优,进一步提升了预测效果。未来研究将引入更多样本数据,并结合神经网络算法,探索更优的预测方案,助力电网企业实现高效运营与良性发展。

【目的】随着全球能源结构的转型与清洁能源的大力发展,高渗透率光伏电源在配网台区中的接入比例日益增加。然而,光伏电源受光照强度、温度等自然因素影响,其输出功率具有显著的波动性和不确定性。当大量此类电源接入配网台区时,会引发电网电压波动、频率变化等一系列问题,进而给停电故障预测工作带来巨大挑战。传统的停电故障预测方法在面对含高渗透率光伏电源的复杂配网环境时,难以准确捕捉故障特征,导致其预测准确度下降、效率降低,无法满足配网台区稳定运营的需求。【方法】为了提升预测准确度和效率,提出含高渗透率光伏电源的配网台区停电故障预测方法。建立光伏电源接入电网模型,分析接入后的光伏电源对配网台区故障电流的影响机制。通过该模型清晰了解光伏电源在不同运行工况下对电网故障,电流大小、分布等方面的影响,为后续故障区域推断提供理论基础。结合电网拓扑结构和负载不均衡特征,推断可能发生停电故障的区域。电网拓扑结构反映了电网中各元件的连接关系,负载不均衡特征则体现了不同区域负荷的差异情况,综合考虑这两方面因素,更准确地定位潜在故障区域。引入潮流熵判断电路负荷是否处于临界状态。同时,提取发生故障区域线路包含故障发生时的关键信息的潮流值特征。将提取的特征输入经过优化的SA-SAE中进行训练,通过对大量样本数据的学习,自动挖掘数据中的潜在规律,实现配网台区停电故障的精准预测。【结果】实验结果表明,本文方法在含高渗透率光伏电源的配网台区故障定位中预测准确度较高,准确识别了故障区段(K5~K8线路的3~6段)和故障类型,且预测耗时仅为2.236s,显著优于对比方法。【结论】通过综合考虑光伏电源接入影响、电网拓扑、负载特征等多方面因素,并运用潮流熵和SA-SAE,可以实现对配网台区停电故障的高准确度、高效率预测。本文方法不仅有助于提高配网台区停电故障预测的准确性和及时性,降低停电事故发生的概率,减少经济损失,还能为电网的规划、运行和维护提供有力支持,保障配网台区的稳定运营,推动清洁能源在配网中的大规模应用。

【目的】随着社交软件用户群体的不断扩大,越来越多的平台采用多标签标注对文本信息进行分类。如何通过多标签文本数据挖掘来分析用户行为与心理,已成为当前研究的热点问题。本文基于深度主题特征提取模型,提出了一种面向多标签隐性知识的数据挖掘算法,以提升文本分类的准确性和数据挖掘的效率。【方法】针对多标签文本数据中隐性知识的显性化问题,基于SECI理论对文本信息中的隐性知识进行显性化转换,并利用循环神经网络的短时记忆能力提高隐性知识的转换效率。在此基础上,考虑到文本信息的复杂性,分别从局部特征和全局特征两个维度进行分析,并采用特征融合策略提高数据挖掘的准确性。由于文本信息前后文关联性较强,利用基于长短期记忆网络(LSTM)模型的门控机制,提取文本的上下文信息,以捕捉文本中的序列依赖关系;采用潜在狄利克雷分配(LDA)模型,对文本的主题结构进行建模,从而避免因人工标注标准差异导致的模型训练偏差;通过特征拼接的方式,并结合LDA主题模型和LSTM模型提取的局部及全局特征,以降低特征提取过程中信息丢失的风险;引入主题控制器,通过缩小推理范围,提高文本特征提取的有效性;构建基于高斯解码器的上下文主题层,计算词汇在特定主题下的条件概率矩阵,并利用高斯混合解码器优化文本主题建模,提高文本内容的扩充能力;使用Softmax函数计算各标签的概率,实现多标签文本分类。【结果】对比实验中,使用困惑度作为模型训练的评估指标。结果表明,本文模型的困惑度优于对照组(LDA主题模型与LSTM模型),验证了LDA与LSTM结合的特征拼接策略可有效发挥两种模型的优势。此外,与NVDM、LSTM、LDA和VAETM模型进行对比,以准确率和查全率为评估指标,本文模型在准确率和查全率方面分别提升了5.05%和2.75%,表明其在多标签文本分类任务中的有效性与优越性。【结论】对比实验结果表明,本文模型能够显著提升文本分类的性能,相比LDA主题模型和LSTM模型,在处理多标签文本时表现更优;能够高效挖掘多标签文本数据中的隐性知识,为文本分类、语义分析和信息检索等任务提供了一种高效、精准的解决方案。

【目的】遥感图像作为观测地球的重要工具,被广泛应用于环境监测、资源勘探、灾害预警等多个领域。然而,遥感图像在采集过程中容易受到传感器噪声、大气干扰等因素的影响,导致图像质量下降,细节信息模糊,给后续的图像分析和目标分类带来了巨大挑战。在多标签遥感图像分类任务中,由于图像中往往包含多个类别的目标,且这些目标之间可能存在复杂的关联和依赖关系,传统的监督学习方法在处理这类问题时显得力不从心,分类误差较大。【方法】为有效应对遥感图像噪声影响、准确捕捉图像特征、提高分类精度,提出一种半监督学习的多标签遥感图像分类方法。利用感知损失函数对遥感图像进行预处理,通过查找图像中存在细节丢失和模糊的像素点位置,计算原始图像和缺陷图像的信噪比残差值,确定遥感图像质量下降程度。设计了一种基于残差映射的图像去噪算法,按照残差映射值调整含噪位置的频谱值,通过调节像素的高低频关系提高信噪比,恢复图像中的细节信息。采用半监督学习方法对图像分类器进行更新改进,提高遥感图像的处理效率和分类准确性,以此实现多标签遥感图像的分类。【结果】为了验证方法的有效性,在不同分辨率、不同主成分数情况下进行了图像分类实验,同时,设计了针对不同类型遥感图像的分类实验。测试结果表明,方法在去噪效果和图像细节还原方面表现出色,能够清晰地区分每个区域的色块,恢复了图像中的关键细节信息。在地貌特征提取方面,结果与实际地貌分布的吻合度较高,误差较小,证明了其在遥感图像特征提取方面的优势。在图像分类精度方面,方法在图像分辨率为70像素×80像素、主成分数为12时,分类精度达到0.88,表现出了较高的分类精度。同时,在对不同类型的遥感图像进行分类时,方法的分类精度也保持在0.9以上,最高达到0.98,充分验证了其广泛的适用性和高分类精度。【结论】实验结果表明,方法利用结合感知损失函数、残差映射的图像去噪算法和半监督学习方法,实现了多标签遥感图像分类。不仅提高了遥感图像的处理效率和分类精度,还为遥感图像处理领域提供了新的思路和技术支持,具有较高的理论意义和实际应用价值。

【目的】变电站作为电力传输和分配的核心枢纽,其安全稳定运行是保障电力系统高效、可靠供电的关键。然而,传统的变电站监控方式存在自动监控能力有限、目标监测精度欠佳等问题,难以满足当下电力系统日益增长的安全需求。本研究致力于开发一种基于区域全卷积网络(R-FCN)的变电站目标识别与安全监控技术,旨在攻克传统监控方式的短板,大幅提升变电站安全保障的整体水平,为电力系统的稳健运行筑牢根基。【方法】方法融合了区域提取和全卷积网络的独特优势,构建起一套高效智能的监控体系。在数据采集环节,部署高清视频监控摄像头,从多个角度全方位、不间断地实时捕捉变电站内的图像数据,为后续的深度分析提供海量且精准的原始素材。针对采集到的图像,运用先进的R-FCN模型进行目标检测。R-FCN凭借其全卷积特性在处理不同尺寸的图像时能够巧妙地维持特征图的高分辨率,避免了传统方法在降采样过程中容易出现的信息丢失问题,极大地提高了目标监测的精度。同时,精心设计并引入区域提取模块,该模块犹如智能导航系统,能够在错综复杂的变电站背景中,精准定位各类关键设施,确保对设备的运行状态进行实时、精准的监测。对于异常行为,如人员未经授权闯入危险区域、设备突发冒烟起火等,也能及时察觉,为后续的应急处置争取宝贵时间。【结果】通过大量的模拟实验以及在实际变电站监控场景中的测试验证,本系统展现出了卓越的性能表现。在与传统目标监测方法的对比实验中,本系统的目标监测准确率相较于传统方法有了显著提升,有效提高了监控的可靠性,避免了不必要的人力、物力。【结论】基于R-FCN的变电站目标识别与安全监控技术,兼具高效的实时处理能力和精准的目标定位能力。在面对海量监控数据时,能够迅速做出响应,快速准确地识别各类目标和异常情况,为电力系统的安全稳定运行提供了强有力的技术支撑,对提升变电站整体监控水平、保障电力系统的可靠供电具有深远意义。