基于分层网络的电能表运行状态评价

现有的电能表状态评价大都从孤立微观的角度对电能表运行状态进行评估,没有从更大的视角对台区电能表进行整体评价。孤立地对单个电能表进行状态评价,有可能造成对整个台区运行风险的误判。为了更加全面细致掌握电能表及台区的运行状态,文章提出了一种分层网络模型。方法是基于用电采集系统和计量生产调度平台的历史数据,根据各指标的状态对电能表质量,预期寿命和故障率进行评分,依据评分将电能表状态划分为稳定、正常、关注、严重和预警五个等级。基于台区终端记录的电能表异常事件数据,利用深度决策森林(Deep Neural Decision Forests)模型将台区中的异常事件等级程度划分为严重、重要、较重要和一般四个等级,模型分类正确率达到86.58%。实验结果表明,方法能够准确判断电能表的运行状态和整个台区的运行风险情况,为实现电网可靠稳定运行创造了条件。

挖掘机斗杆各铰点力计算及有限元分析

建立挖掘机斗杆各铰点在任意姿态下的受力数学模型。在Pro/E软件的草绘模块中绘制挖掘机工作装置的二维模型,并利用其尺寸驱动功能模拟工作装置各个铰点任意姿态下的位置关系。通过测量、计算得出斗杆在指定工况下各铰点受力情况。利用这一方法对詹阳动力重工有限公司某型挖掘机斗杆进行了有限元分析。