基于AVMD和CNN的并网型微网线路故障诊断

为提高微网三相线路故障诊断精度,提出基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)和卷积神经网络(convolutional neural network,CNN)的微网线路故障诊断分类方法。首先建立包含风、光、水系统的微网径向结构模型;采用AVMD将原始故障信号分解得到多个模态分量,其中变分模态分解(variational mode decomposition,VMD)的参数采用天鹰优化(aquila optimizer,AO)算法进行优化;诸多模态中只有少数模态保留了故障信号的信息,利用有效加权峰态相关(effective weighted peak relevance,EWPR)指数对模态分量进行选择,选取最能保留故障信息的3个模态作为敏感模态;剔除噪声和其他无关模态的影响,使用CNN对微网的线路故障进行诊断分类。生成110组故障数据用于训练和验证神经网络,结果表明22组验证数据集中共有21组数据分类正确,此研究方法对故障的诊断精度达到了95.46%。

日语“草”的隐喻思维及文化内涵

语言的本质是隐喻式的,是人类思维的基本方式。因此,隐喻能够将事物描写得更加灵动、形象。日语的语言体系中存在大量的植物隐喻,这些词汇反映了该语言、民族看待与认知事物的独特的思维方式。其中,“草”作为随处可见的植物,在日语里具有丰富的语义内涵,其隐喻表达也是丰富万千。通过分析日语“草”的隐喻性表达,可以揭示出隐藏在语言背后的、不同于其他语言的思维方式及文化内涵。

基于最优路径的多微网能源调度研究

为提高清洁能源的利用率和减少能源损耗,提出了基于路径最优的多微电网系统的能源调度策略。单微电网由光伏、风电、蓄电池以及燃气轮机等设备组成。在多微电网并网运行的条件下,建立多微网系统双层优化调度模型。第1层调度以维护费用、燃料费用、蓄电池损耗费用、污染物治理费用及功率交互费用最低为目标,采用群集蜘蛛优化算法求解第1层1个周期内各分布式发电单元的最优出力及总运行成本。第2层调度在第1层调度的优化结果之上考虑各微电网之间以及与大电网之间能量调度的损耗,以各电网之间交互成本最低为目标函数,采用蚁群算法选择损耗最小的最优路径,实现多微网间的能量互济。最后采用基于IEEE 9节点的并网型多微电网系统进行能源调度验证,结果表明:该方法能有效减小各微电网功率互济过程中的能量损耗,节约成本,网损由1379 kW降低为905 kW,成本由17578元降低为13443元。

隆鼻术后放置引流管的观察

分析隆鼻术后安置引流管的效果。方法:通过观察我院2015年9月1日至2016年4月1日60例安置引流管的隆鼻患者和2014年11月1日至2015年6月1日58例未安置引流管的隆鼻患者术后的感染率及肿胀程度来分析安置引流管的效果。结果:经过对比,隆鼻术后放置引流管的与未放置引流管的两者无明显意义。