隧道扩挖既有衬砌的爆破拆除

以浙江温岭楼山隧道扩挖工程为背景,采用ANSYS数值模拟软件对两种工法下隧道拱顶既有衬砌的爆破拆除方案进行对比,研究不同的爆破开挖方案对隧道周边岩土体及既有隧道产生的影响。其中,工法一对隧道I部分衬砌及上方I部分岩土体同时进行开挖;工法二则对上述两部分进行分部开挖。通过对两种工法下监测点的振动速度进行研究分析,并参考GB 6722—2014《爆破安全规程》,对比选出合适的爆破拆除方法。结果表明:两种工法左侧未开挖隧道的振动速度均低于安全标准;工法一的爆破振动速度相对较大,隧道右洞质点振动速度大于安全允许值;采用Matlab对右洞监测点的振动速度进行拟合,获得了爆破振动衰减规律。

基于改进蜉蝣算法的一种新型无功优化补偿方法及其应用

基于改进的蜉蝣算法提出了一种电力系统新型无功优化计算方法。首先以电力系统有功网损最小为目标函数,选择发电机端电压、可调变压器分接头以及并联静止电容器组数为控制变量,建立了无功优化的数学模型;提出将新型群搜索智能优化算法蜉蝣算法引入到无功优化问题中;针对基础蜉蝣算法易陷入局部最优解的缺陷,提出优化基础蜉蝣算法,将Levy飞行以及随机惯性权重系数引入蜉蝣算法的位置更新策略中,提高蜉蝣算法的全局搜索能力。最后,以IEEE30节点系统为测试对象,证明了改进的蜉蝣算法在电力系统无功优化问题中的有效性及优势。

基于多模型综合特征选择和LSTM-Attention的短期负荷预测

为提高电力系统短期负荷预测精度和预测效率,提出一种基于多模型综合特征选择和长短期记忆单元(long short time memory, LSTM)-Attention的短期负荷预测方法。首先,利用随机森林算法、自适应集成(adaptive boosting, AdaBoost)算法及梯度提升树(gradient boosting decision tree, GBDT)算法对原始数据进行初步拟合预测,提取3种算法拟合后的结果来获取特征量与负荷大小的相关系数,从而建立综合相关系数。接着,根据综合相关系数的大小,剔除相关系数较小的特征量,将剩余的特征量与历史负荷大小数据结合构成新的数据集。最后,将新的数据集作为LSTM-Attention预测模型的输入,从而得到待预测日的负荷预测曲线。通过分析所提出的预测方法在某地区负荷数据集的预测结果可知,该方法优于其他预测方法。