厚截面复合材料固化热-化学行为及残余应力研究进展

综述了厚截面复合材料固化热化学行为、残余应力以及力学性能厚度效应的研究进展,重点阐述了厚度效应对材料固化温度场和固化度分布的影响、厚截面复合材料残余应力的理论和实验研究进展,同时还介绍了一种适用于测量厚截面复合材料残余应力的方法——深孔法,并在此基础上对厚度效应的研究前景进行了展望。

基于VMD和GWO-SVR的电力负荷预测方法

预测负荷的精准度是衡量电力系统负荷预测模型性能的一个重要指标。电力负荷序列变化规律多样,具有周期性、非平稳性、随机性等特点,因此采用变分模态分解方法分解负荷序列,得出其不同特性的模态函数分量,进而降低原始数据的复杂程度和模态混叠现象以提高负荷预测的精度,将其代入灰狼优化的支持向量回归机模型,得到最终日负荷预测值。使用VMD-GWO-SVR预测方法在Matlab R2014b软件上对2014年南美某地区日负荷数据进行仿真验证,结果表明该方法使得日负荷预测精度可达99.15%,验证了该预测模型的有效性和高精度。

基于VMD和FCM的配电网单相接地故障选线

为了准确识别出小电流接地系统的单相接地故障线路,提出基于VMD与模糊C均值聚类理论相结合的新故障选线方法。当系统发生单相接地故障时,故障和非故障相线路的零序暂态电流会有差异,由此可用VMD电流数据进行分析,提取主要频带信号和能量熵,用FCM算法对能量熵聚类将其分为故障信号类和非故障信号类,从而识别出故障线路。通过仿真证明了此方法选线结果准确、可靠。

基于BAS-BP模型的电缆阻水性评估研究

为准确评估电缆绝缘性能,提出一种基于BAS-BP神经网络的电缆阻水性评估模型。该模型针对不同型号电缆进行浸水试验,选取不同时间测得的各项数据作为评估指标,利用KPCA数据处理后输入模型进行评估,并与BP、GA-BP和PSO-BP三种模型进行对比分析,证明天牛须搜索算法优化BP神经网络对于评估电缆阻水性准确有效。

基于DE-GWO-LSSVM模型的用电负荷预测

为了提高负荷预测的拟合精度,提出一种基于优化灰狼算法的最小二乘支持向量机负荷预测模型,针对标准灰狼算法精度低、收敛速度慢、易陷入局部最优的缺点,采用差分算法优化标准灰狼算法。利用改进的灰狼算法优化最小二乘支持向量机的两个主要参数,建立功率负荷预测研究模型。通过实例分析获得负荷预测结果,利用三种评价指标对比了四种算法模型。实验表明,改进灰狼算法优化最小二乘支持向量机的改进评价指标数值较低,拟合曲线精度更高。

基于改进磷虾群算法优化ESN的短期负荷预测

为提高负荷预测的精确度,本文提出了一种基于改进磷虾群算法优化ESN神经网络的负荷预测模型。首先采用核主成分分析法对河南某地区的实际电力负荷数据进行优选,再使用IKH-ESN模型对优选后的数据进行预测。同时建立传统BP、传统ESN、PSO-BP三种模型进行预测并对比分析。仿真结果证明本文所提出模型有效地克服了传统模型易陷入局部最小等问题,对于负荷预测更具有准确性与有效性。