变压器故障诊断用油中溶解气体征兆优选方法

基于油中溶解气体(dissolved gas analysis,DGA)构造的故障征兆作为变压器故障诊断的重要先验信息,其质量直接影响诊断效果。目前,基于DGA气体的故障征兆数量繁多,但种类相对单一且诊断效果有限,为实现更高准确率的变压器故障诊断,该文提出云征兆方法以丰富现有比值征兆集。为适应高维云征兆的云变换,设计自组织云概念提取神经网络(self-organized cloud concept extraction,SOCCE)进行云概念的提取,以深度挖掘多DGA气体间的关联信息,提高智能算法的诊断能力。最后,通过先排序后寻优的征兆优选策略遴选出最优的DGA混合征兆集。通过IEC TC10故障数据库下的对比诊断可知,该文优选的混合新征兆能够实现92.4%的诊断准确率,相较于传统征兆诊断准确率提升了13.2%~30.8%,且在现场应用和多诊断模型中均表现出较强的泛化能力和推广能力。

关于美国和中国建筑领域对绿色BIM应用的研究

作为绿色建筑与BIM(Building Information Modeling)技术的结合,绿色BIM已被认为是建筑领域的一次革命,通过绿色BIM可以实现建筑全生命期的绿色和可持续性,绿色BIM已经受到各国的广泛关注和重视。本文通过对美国和中国两个代表性国家对绿色BIM的应用进行初步分析,将分析内容分为绿色BIM发展现状、绿色BIM项目全生命期的实践与应用、绿色BIM实际案例和绿色BIM发展趋势的四个部分。通过对两国绿色BIM四个部分的对比与分析,为绿色BIM在不同发展阶段的发展方向给出建议。