基于ACO-BP神经网络的光伏发电短期功率预测研究

光伏发电存在着波动性和不确定性,对光伏发电系统的功率预测是提高光伏发电的利用率和经济效益的重要举措。通过构建蚁群算法(ACO)优化后的BP神经网络预测模型进行短期光伏功率预测研究,引入灰色关联度分析,确定影响光伏发电的主要因素,提高模型的预测准确性。该模型综合了ACO的寻优能力和BP神经网络的自学习、自适应能力。将训练好的模型用于光伏发电短期功率预测研究,对比仿真结果得出ACO-BP神经网络模型在晴天时的预测误差为8.60%,多云时的预测误差为12.53%,雨天时的预测误差为26.27%,其预测精度均优于原BP神经网络模型。

深基坑支护技术研究与实践--以沈阳局调度所改扩建工程为例

沈阳铁路局调度所改扩建工程新建调度楼深基坑的东、南、西三面紧邻既有房屋建筑和地下结构物,北侧与新建高层住宅楼工程相连。原设计深基坑形状为"口"字形,采用"四周钻孔灌注桩+内设两道混凝土内支撑和两道钢倒撑"支护体系。该方案安全保险系数较大,但工期较长,且基坑支护造价在整体工程造价中的占比过高。由于新建调度楼所在位置原建筑迁改工期滞后严重,造成原设计新建调度楼深基坑支护方案无法实施。为此,对新建调度楼深基坑支护方案进行了优化设计,采用"A型钻孔灌注桩+370 mm砖挡墙+三道锚索"支护方案和挂网喷浆等防护技术,并采取可靠的基坑支护变形监测及预警措施,确保了人员和既有建筑设施安全,实现了既定工期目标。

既有铁路车站新建旅客天桥顶推施工技术

在既有运输繁忙的铁路枢纽车站新建跨线旅客天桥,大型起重机械设备难以进场施工,图定运输垂直天窗无法满足跨线旅客天桥钢桁梁吊装等施工需要。为了保证工期,减少施工与运输的相互干扰,确保施工质量,必须采用与之适应的施工技术。结合山海关火车站跨线旅客天桥施工,对跨线钢桁梁顶推架设的施工技术及注意事项进行分析和论述。

STM32的有害气体云数据库远程检测系统设计

针对传统的VOCs有害气体检测装备无法实现对气体数据的保存及远程检测功能的问题,设计了一种结合单片机、无线通信、上位机和数据库技术的有害气体检测系统。该系统采用STM32单片机,结合辅助模块MS1100气体传感器和ESP826601S无线模块等设备作为下位机数据采集装置,通过无线模块把数据上传至上位机,实现了对监测空间中的甲苯、甲醛等VOCs有害气体的检测及其数据上传至MySQL云端数据库进行永久保存的功能。

基于时频域特征分析和ML-NN的故障电弧检测与选线

针对低压配电系统方式复杂、负载种类繁多、串联故障电弧的检测难度越来越大的问题,提出了1种基于时频域特征分析和多标签神经网络(ML-NN)分类的串联故障电弧检测与选线的方法.该方法通过采集多回路负载的不同支路发生电弧时的干路电流,对其时域采取统计的方法对故障电流的方差、均值、偏度和峰度进行分析,对其频域采用小波变换的方法得到其故障电流的小波系数特征.将时频域特征作为神经网络的输入进行训练,同时采用反向传播方法来训练模型,实现故障电弧检测和故障选线.经过实验验证,故障电弧检测和选线的准确度分别达到了97.57%、99%.