针对BP神经网络由于随机初始化权重和偏置导致对用电情况预测的误差偏大且容易陷入局部最优的问题,提出了一种利用萤火虫算法对BP神经网络的权重和偏置进行优化的电力用能行为预测方法.该方法基于用户不同时间段的用电量数据提取时间序列特征,并采用K-means聚类算法对用电行为类似的用户进行聚合及分析,从而建立电力负荷预测模型对每类用户的负荷加以预测.实验结果表明,基于萤火虫算法改进BP神经网络预测模型的均方根误差以及平均绝对误差百分比均低于BP神经网络模型,能够合理地对电力用能行为进行预测.

针对深度信念网络在油井工况诊断中由于梯度扩散导致训练效果差,模型诊断准确率不高的问题,提出一种基于改进Adam优化算法的深度信念网络油井工况诊断方法.以二值化处理后的示功图作为深度信念网络输入,利用对比散度算法对网络进行无监督预训练,以获取较优的初始权值;在反向传播微调网络过程中,运用动量法预测梯度下降位置,更新梯度下降方向,并通过学习率自适应选择下降步长,避免梯度扩散降低模型训练效果.某采油平台油井上的仿真实验结果表明,基于改进Adam优化算法的深度信念网络对油井工况的识别准确率较高,能更好地满足油田生产实际需求.

针对建筑能源系统负荷多样,导致电网波动和负荷峰谷差日益增大的问题,提出了一种基于柔性负荷与建筑多能源系统的电网峰谷调剂算法,以实现多能源系统联合参与的电网峰谷调节.该算法通过构建储能设备和空调系统的功率模型,来建立多能源系统负荷与功率优化的电网峰谷调节目标函数.同时,针对电网峰谷调节的特点提出了一种改进的粒子群优化算法,以求解该目标函数实现电网的峰谷调节.仿真分析与实验结果表明,所提出的方法优于单纯使用储能设备和空调系统的电网峰谷调节方法,能够显著提高负荷的平滑度与能源利用率.

针对现有电力系统安全评估指标存在高复杂度与低准确度等缺点,基于Autoencoder方法提出了适用于电力系统的网络安全风险评估方法.通过分析系统运行机制的脆弱性,使用层次分析法与专家调查法,建立了网络安全的初步评估指标体系模型.通过引入Autoencoder方法对复杂的指标体系模型进行必要的约简与优化,形成电力系统的新型安全评估模型.仿真结果表明,与传统的安全评估模型相比,所提出模型具有更高的执行效率与评估准确度.

针对传统被动悬架系统无法在复杂工况时保持较好行驶平顺性的问题,为电磁主动悬架设计了鲁棒控制器.建立整车七自由度电磁悬架动力学模型,利用鲁棒控制理论对被控输出和控制输入量进行加权处理,设计了H_∞鲁棒控制器.在车速为30 km/h和60 km/h的随机路面、20 km/h和45 km/h的正弦冲击路面时,对电磁主动悬架系统进行仿真分析.结果表明,鲁棒控制的电磁主动悬架与被动悬架相比,主要性能指标均有所改善,在随机路面下车身垂向加速度改善28.03％,说明所设计的鲁棒控制器比较合理,采用鲁棒控制的电磁主动悬架可以有效改善汽车行驶的平顺性.

针对配电网在发生故障后产生的重构问题,基于改进万有引力算法提出了一种切实、可行的多目标故障重构方案.通过调研配电网的故障重构过程,优化了多个目标的权重系数,提出了综合考虑网络损耗与开关动作数量的故障重构模型.利用反向学习法、共轭梯度法和Tent映射实现了经典万有引力算法的有效改进.软件仿真与实际工程测试结果表明,所提故障重构方法具有较强的实用性、更低的网络损耗和更少的开关动作.

针对现有太阳能电池板转动方式相关研究中,忽略转动能量损耗以及不能适应特殊天气变化的缺陷,提出了一种基于转动特征选择和电力视觉技术的太阳能电池板转动策略.该策略分析了能够影响转动的相关特征并进行特征选择,在此基础上采用RBF网络训练相关参数确定特征权重,且提出了基于深度卷积神经网络的光照时长预测方法.实验结果表明,所提出的转动策略能够从整体上提高太阳能电池板的转动收益,并且能更好地适用于各类特殊天气的变化,通过与同类方法对比表明所提出的转动策略可以提升整体转动效率20％以上.

针对传统被动悬架无法将振动产生的能量充分利用的问题,提出了一种直线电机式馈能悬架,并探究了该悬架的馈能特性.建立1/4车动力学模型,以正弦路面作为输入激励推导出影响馈能的悬架系统参数;以感应电动势为指标,基于直线电机式馈能悬架模型,采用控制变量法对悬架系统参数进行仿真分析;通过搭建的1/4车悬架实验平台进行实验验证.结果表明,簧载质量、非簧载质量和弹簧刚度与直线电机产生的感应电动势呈负相关,轮胎刚度与直线电机产生的感应电动势呈正相关.

为了掌握小型风力机尾流特征,并实现其尾流快速模拟,以小型四叶片水平轴风力机为研究对象,采用大涡模拟(LES)研究了其尾流时空分布特征,提出了基于致动盘模型(AD)的风力机尾流的快速模拟方法.结果表明,小型四叶片水平轴风力机尾流较复杂,尾流区存在多种类型的涡结构,导致尾流存在严重速度亏损,湍流度剖面出现两个峰值,利用致动盘模型可以准确地计算风力机尾流的速度亏损,实现风力机尾涡动力行为的快速模拟.

针对移动网络目标跟踪与控制过程中易出现遮挡、形变和模糊等问题,提出了基于卷积神经网络的移动网络目标跟踪与控制方法.利用卷积神经网络构建CNN模型,在原始移动网络目标图像金字塔内,提取多尺度特征,结合滤波算法获取的移动目标响应图,在多模板条件下求解各层卷积特征滤波最佳参数,通过最佳参数和滤波响应获取最终响应图,根据最终响应图中响应最大值实现移动网络目标的自适应跟踪与控制.实验结果表明,所提方法平均跟踪精确度为97.18％,平均跟踪成功率为95.93％,中心位置平均误差为4.38,误差幅值较小,具有良好的目标跟踪与控制能力.

针对变电站设备的红外图像特征提取和识别问题,提出了基于不变矩的图像特征提取和识别算法.基于统计学中矩函数的概念,提出了用于表征图像全局特征的图像矩函数,并以二维几何矩为基础,提出了用于图像识别的6个矩不变量参数.通过对中心矩计算方法进行改进,消除了图像变换过程中的计算误差,实现了图像不变矩参数的准确计算.结果表明,所提出算法的综合识别率可达94％,能够满足实际应用需求.

针对当前电网三维建模中易出现模型错误且与标准存在差异等问题,提出了一种基于GIM技术和YOLOv3深度网络的三维电网建模及校验方法.该方法基于GIM技术来构建电网的三维模型,并利用YOLOv3深度网络对其电气设备类型加以检测.同时根据设定的校验规则对电气距离进行安全校验,从而保证电网三维模型的真实性与安全性.基于新建220 kV变电站数据对所提方法进行的实验分析结果表明,所得变电站三维模型能够呈现各类参数,校验结果的准确率、召回率和F₁值分别为92.48％、96.71％及94.55％,能够满足实际应用需求.

针对传统方法在对海量云数据进行存储时无法满足安全需求的问题,提出了一种基于安全性验证的云数据存储与访问算法.该算法将用户传输至云端的数据进行分块重组,同时使用交叉加密方法对不同大小的数据块进行加密,从而实现数据的安全保护与快速加密.当用户申请访问数据时,通过基于安全性验证的访问判断及解密返回用户请求的数据.实验与分析结果表明,所提出的方法能够显著提升云数据存储的安全性并减少数据加密、解密的计算开销,且相比于传统方法,该方法具有更优的存储与访问性能.

针对难以获取足量样本数据的齿轮故障诊断率低的问题,提出一种基于最小二乘生成对抗网络(LSGAN)结合长短期记忆网络(LSTM)的方法.将齿轮的原始样本输入LSGAN模型中,通过对生成网络和判别网络的交替训练,学习出不同状态的样本数据,从而实现数据增强,通过生成样本结合原始样本训练LSTM诊断模型,完成小样本下的故障诊断.以康狄涅格大学的齿轮实验数据为例对所提方法进行验证,结果表明,与传统方法相比,诊断准确率提高至98.3％.通过可视化方法显示出诊断方法的优越性,为小样本条件下的故障诊断提供参考.

针对在风力发电机发电量较大情况下,诊断电网负载特性时存在估计误差大、诊断运行时间长的问题,提出分布式新能源配电网输出线路负载诊断模型并进行了分析.以电力网络的等值电路为基础,结合耦合现象消除函数调整机制,提取分布式新能源配电网输出线路负载参数,通过和声搜索算法构建输出线路负载诊断模型.仿真结果表明,所组建的模型在配电网瞬时状态下有效,检测不同区域数据的运行时间低于两种对比方法.

针对配电网发生支路故障时缺乏快速且有效的恢复方案,从而导致可靠性下降的问题,提出了一种基于支路分组算法的配电网可靠性自恢复方法.在结合配电网网络结构基础上,将该方法应用于IEEE-33节点配电系统的支路故障情况并进行仿真实验.结果表明,在大型IEEE节点配电系统中,所提出方法具有较高的运算效率与较好的可行性,求解速度相比传统的配电网可靠性自恢复方法提升了近3倍,能够有效提升配电网的自恢复性能.

针对现有的输变电工程造价预测方法在复杂工况下精度低的问题,提出了一种基于BP神经网络优化算法的输变电工程造价预测模型.利用因子分析方法确定输变电工程造价数据预测的输入指标,并在传统BP神经网络模型的基础上,引入思维进化算法对BP神经网络中的权值和阈值进行优化.利用构建的预测模型预测某省级电网公司2016年度的输变电工程造价.结果表明,预测误差低于10％,平均误差低于5％.与传统的BP神经网络相比,所提预测模型具有更高的预测精度,可以较好地应用于输变电工程造价估算.

由于非标配电柜具有个性化定制的特点,决定其无法实现自动化装配而只能采取手工方式进行.以装配者脑电波中θ、α、β波的能量变化为基础,构建了装配者脑力负荷模型.通过分析脑电波各波段能量随时间的变化规律,确定引起脑力负荷曲线大幅上升的关键因素;根据脑力负荷随时间的变化曲线,判断出易出现装配错误的脑力负荷阈值.结果表明,实验结论与手工装配作业实际检测结果相一致,证明了该方法的有效性,进而为非标配电柜手工装配作业的优化提供理论依据.

为了提高以太系统的传输速度,主要对以太网物理层收发器模块进行了相关研究.在收发器模块中,采用了串并转换、4B/5B编码等并行编码方式替代了普通的曼彻斯特编码方式,将数据并行输出.并行传输方式与传串行传输相比,可在相同时钟频率内提供更多的有效数据,从而提升系统的传输速度.仿真结果表明,收发器模块在25 MHz时钟下实现了100 Mbit/s的收发速度,大幅提高了传输效率.

为提高电容层析成像(ECT)系统对于非规则截面管道的成像质量,提出了一种基于填充式ECT传感器的图像重建方法.建立了完整的填充式ECT传感器模型,计算了考虑管壁和填充材料存在的灵敏度分布,针对重建区域标定了空场和满场.利用已知的填充区的介电常数以及对灵敏度矩阵的拆分处理,建立了降维的ECT正问题模型.利用Landweber迭代法求解了相应的逆问题.对所提方法进行了仿真数据验证和实测数据验证.重建结果表明:填充材料的介电常数与重建区的低介电常数一致时所提方法可显著改善重建质量.

针对目前知识蒸馏忽略特征图全局统计信息的问题,提出利用离散余弦变换(DCT)频域释义的全局统计特征知识,并对各类别的频域特征使用Logistic分类器进行二分类,提取类间差异性信息.利用元学习算法(MPL)对教师模型参数进行更新,使教师模型能动态调整所传递的频域特征.实验模型在CIFAR-10,CIFAR-100以及ImageNet 2012数据集上有0.12％~0.16％的精度提升,结果表明,频域特征与类间相似性信息为学生模型的训练提供更多有用的知识,且两模型的知识交互更有利于教师的知识迁移.

针对串联串联(S-S)和串联并联(S-P)补偿拓扑结构在大(小)负载场合传输效率低的问题,提出了基于补偿拓扑结构切换的磁耦合谐振式无线电能传输(MCR-WPT)系统最大效率追踪方法.通过建立S-S、S-P等效电路模型提取谐振补偿网络参数,将系统最大传输效率切换点的寻优过程划分成轻载与重载两种工作模式,并使用有源阻抗匹配的方式对系统最大效率点进行自适应追踪.仿真测试结果表明:所提方法在轻载模式下能够维持原有系统最大传输效率,约为84.5%;在重载模式下效率由84.5%提升至91.6%,验证了该方法的有效性.

为了解决抗攻击区块链渗入数据类型较多,造成数据防窜改时加密效果较差、误识个数较多的问题,提出了抗攻击区块链渗入数据防窜改识别方法.设定抗攻击区块链渗入数据特征评判准则,并提取和加密了其中的渗入数据特征;将相对熵与蒙特卡罗仿真方法作为渗入数据分类测度,通过支持向量机算法分类识别渗入数据,实现区块链渗入数据防窜改识别.测试结果表明,所提方法的识别性能更优、加密复杂度较高、误识个数较少,所提方法可以有效保证抗攻击区块链的安全.

为实现高精度的居民空调负荷能耗预测,基于鲁棒极限学习机提出了一种新的居民空调负荷能耗预测方法.以归一化的方式处理空调负荷能耗数据集,优化预测用户工作日样本数据集,采用鲁棒极限学习机构建负荷能耗激活函数预测模型.引入拉格朗日算子约束优化模型,以迭代求解的方式完成居民空调负荷能耗预测.仿真测试结果表明,在迭代次数为250次、过度补偿为1.5%时,该方法的收敛速度为0.2 ms,平均预测精度为96.7%,具有较强的预测性能.

为了解决无线传感器网络覆盖率控制收敛性较差、自适应能力不强的问题,提出了WSN网络覆盖问题假设,并根据网络有效覆盖率及任务节点数量,构建WSN网络覆盖控制问题模型.以粒子群算法为基础,采用自适应粒子群优化算法获取最佳覆盖区域,在惯性权重系数中加入演变因子和聚合因子,改善粒子群算法的适应性,通过增加碰撞回弹策略,优化粒子群的多元性,实现WSN网络覆盖的最优控制.结果表明,所提方法自适应能力强,具有较高的覆盖率,可降低控制网络节点移动产生的耗能.

针对Spark计算框架处理规模急剧增长的大数据时,处理速度会明显减慢,无法满足电力大数据分析的实时性处理需求的问题,提出了一种基于GPU与Spark计算框架的电力大数据分析算法.将GPU的并行处理结合到Spark计算平台上以提升电力大数据处理的效率,并通过构建排队模型来最大化该计算框架的性能.仿真结果表明,所提出的算法具有一定的精确性和有效性,且加入GPU计算后能够明显提升数据处理速度,可以满足大规模数据处理的实时性需求.

为了研究基于响应面法Box-Behnken的水胶比、骨料级配和粉煤灰掺量对透水混凝土性能的影响,建立了抗压强度、抗折强度、透水系数与上述3个因素的回归模型,得出了优化的配合比参数.结果表明,对抗压强度和抗折强度影响的显著性排序为:骨料级配大于水胶比大于粉煤灰掺量,对透水系数影响的显著性排序为:水胶比大于粉煤灰掺量大于骨料级配,水胶比和粉煤灰掺量的交互作用对抗压强度和抗折强度影响显著,所有因素之间的交互作用对透水系数的影响均较为显著.

为了解决钢渣等大宗工业固废综合利用率低下的问题,选用硅灰(SF)为增强剂,碱渣(SR)为部分激发剂激发钢渣(SS)、矿渣(GBFS),制备碱激发矿渣/钢渣胶凝材料,并进行抗压强度、抗折强度、干燥收缩、抗冻融循环、抗硫酸盐侵蚀、SEM分析等基本试验研究.结果表明:SR与SF的掺入可以显著提高胶凝材料的力学性能、耐久性能;最优配比下碱激发矿渣/钢渣胶凝材料28 d抗压和抗折强度分别为36.20 MPa和13.29 MPa;冻融循环50次后,质量损失率为1.73%;5%Na₂SO₄中浸泡28 d后,强度损失率为2.98%,均可满足普通矿渣硅酸盐水泥32.5等级要求.

为了确定厚板TC4钛合金窄间隙TIG焊接接头的疲劳性能,对焊接接头三层位置的样品分别进行了室温高周疲劳(HCF)试验,利用扫描电镜与透射电镜对疲劳断口形貌及断口附近的微观组织进行观察与分析.结果表明:三层焊接接头的疲劳极限依次为420、390和400 MPa;第一层焊接接头的疲劳裂纹萌生于样品表面,位错组态以位错网络和位错阵列为主;第二层焊接接头的疲劳裂纹萌生于样品表面与焊接缺陷处,位错组态主要为位错缠结;第三层焊接接头的疲劳裂纹萌生于样品表面与近表面焊接气孔位置,位错组态主要为位错阵列及位错缠结.

针对输电线路中耐张线夹的倾斜缺陷,未能准确地去模糊处理所获取输电线路图像的问题,提出了基于深度学习的输电线路耐张线夹倾斜缺陷定量检测方法.结合冲击波滤波器与双边滤波器对获取的输电线路图像去噪处理,通过正则化方法估计模糊核.同时利用引导滤波器分解去模糊后的输电线路图像来获得细节层与基本层,分别进行伽马变换.将预处理后的输电线路图像输入至深度学习网络中,提取耐张线夹的倾斜缺陷特征,完成对缺陷的定量检测.实验结果表明,所提方法的准确率可保持在90％以上,且召回率、AP值及F₁指标均较高,具有良好的检测性能.

为了研究热处理工艺对电弧增材制造ZL114A铝合金耐蚀行为的影响,采用光学显微镜和附带能谱仪的扫描电子显微镜分析了第二相的形貌及成分,并采用电化学工作站测试了铝合金的腐蚀行为.结果表明:经过固溶和时效处理后,ZL114A铝合金的组织主要由α-(Al)基体、共晶Si和Mg₂Si相组成.当在540 ℃固溶处理时,随着固溶时间从2 h增加到14 h,合金中共晶硅相逐渐转变为球状.经过14 h的固溶处理后,合金表现出很强的钝化能力.合金经过时效处理后,随着时效时间从4 h增加到12 h,晶内析出的共晶硅和Mg₂Si相数量逐渐增多,合金耐蚀性能降低.

针对电力工程造价分析工作展开困难、影响因素多且各因素的重要性分布不均匀的问题,提出了一种基于KJ分析法的电力工程造价分析系统.使用KJ分析法来确定电力工程造价的主要影响因素,减少了不重要指标的数量.使用组合赋权法确定每个影响因素的权重,再使用逼近理想解的排序方法来降低指标的不确定性,并通过训练支持向量机模型对电力工程造价进行分析与评价.110 kV变电工程案例分析结果表明,所提出的方法能够提升模型的智能性、简化人为操作,得到更为合理的评价结果.

为了提高MgTiO₃-(Ca_0.8Sr_0.2)TiO₃(MT-CST)微波介质陶瓷的品质因数,通过SEM、XRD、拉曼光谱仪与XPS分析手段,研究了Ce掺杂对MT-CST陶瓷成分晶体结构和微波介电性能的影响.结果表明:高价Ce³⁺取代Mg²⁺可使氧空位缺陷得到有效抑制,从而降低了微波介质损耗,可使品质因数得到较大提升.制备的陶瓷具有优异的微波介电性能:介电常数为20.8,品质因数为61 000 GHz,谐振频率温度系数为-4.99×10^-6/℃.

为了解决现有电力造价异常数据检测算法无法识别清单详情及清单与施工细节不符的问题,提出了一种基于规则匹配的电力造价异常数据辨识算法.利用K-means聚类算法实现了清单的初步分类和特征清单的提取,将特征清单的特征词作为清单类别特征.采用规则库对清单详情进行分词,并提取清单特征词,采用多项式贝叶斯算法计算出清单位于当前类别的概率.实验结果表明,所提出算法较传统异常数据检测算法的准确率提高了约10％.

针对6R机械臂逆向运动学求解过程复杂繁琐、求解精度不理想的问题,提出一种基于位姿分离的解析求逆优化算法.利用改进型D-H参数法建立机械臂的运动学模型,通过连杆变换矩阵推导出机械臂的正向运动学方程,利用位姿分离思想进行逆解优化算法设计,利用蒙特卡洛法分析机械臂的工作空间,运用Matlab Robotics工具箱验证改进算法的有效性.结果表明:该改进算法具有较高的求解精度,与现有解析优化算法相比,大幅度简化了求解过程,提高了运算效率.

为了探究不同温度下碳纳米管对丁腈橡胶力学性能的增强情况,采用分子动力学方法基于Materials Studio模拟软件,对不同工况温度下纯丁腈橡胶及碳纳米管/丁腈橡胶复合材料的力学性能、自由体积分数、分子扩散情况进行了建模及计算,并通过拔出行为模拟分析了碳纳米管与橡胶基体间的界面结合能.结果表明:加入碳纳米管后,随着温度的升高,由于界面结合能较为稳定,不同温度下橡胶的力学性能得到提升且在100 ℃以上高温时提升效果更加明显.

为了降低特征挖掘结果的汉明损失和错误率,提出了一种基于决策树的供应商全链路动态特征挖掘算法.对数据实施数值化、离散化和归一化处理,通过降低数据值域的差异来降低汉明损失和错误率.利用处理后的数据建立决策树,通过剪枝操作提高了数据分类的精度,采用改进的CHI值和RBF神经网络有效挖掘全链路动态特征.该算法降低了挖掘结果的汉明损失和错误率,且分类处理精度、准确率、召回率均有所提高.该算法有效提高了供应商全链路动态特征的挖掘效果.

为了提高智能电网的电力数据挖掘精确度,基于迁移学习算法提出了一种具有故障检测、诊断等多种功能的电力数据挖掘模型.利用栈式稀疏自编码器和循环神经网络,提出了基于PCA与SVM的智能电网线路故障检测模型;基于长短期记忆网络等循环神经网络理论,建立具有较高精确度的故障诊断模型.在此基础上,通过引入最大均值差异算法,提出基于迁移学习的数据挖掘模型.仿真结果表明,与传统模型相比,在不同的最大均值差异值和采样间隔时,所提出的模型具有更高的数据挖掘精确度.

针对电化学氧化水处理技术中存在的电极材料活性低及反应过程传质速率慢的问题,采用高活性Ti₄O₇泡沫电极为阳极构建Flow-through模式下的电化学氧化反应器,用于去除典型氟喹诺酮类抗生素——氧氟沙星(OFL).探究不同流通模式、膜通量、电流密度和初始pH值对OFL降解效果的影响,并探明其降解机制.结果表明:在Flow-through模式下膜通量为3.17 mL/(cm²·min),电流密度为7.5 mA/cm²;初始pH为3时,反应120 min后OFL去除率最高达97.66%,处理后OFL剩余抗菌活性消失,体系中参与反应的主要活性物为·OH和SO^-₄·.

为了探究酸性氯盐腐蚀条件下的法兰连接球墨铸铁管受弯性能的变化规律,采用酸性NaCl溶液对法兰连接球墨铸铁管通过干湿交替处理后进行受弯试验,对腐蚀试件的极限承载力、屈服弯矩和极限弯矩、应变等方面与标准件进行对比分析.结果表明:干湿循环腐蚀后,球墨铸铁管连接件极限弯矩与屈服弯矩的比值随着干湿循环次数的增多而变小,约在1.2～1.4之间;经100次的干湿循环腐蚀,球墨铸铁法兰管连接件的极限承载力下降了35.13％.经酸性氯盐干湿循环处理后的球墨铸铁管更容易在法兰盘与管体的连接处发生脆性破坏.