一种基于扭秤的重力梯度动态测量方法

针对传统的扭秤式重力梯度仪测量准确度高,但稳定性差且测量效率低的问题进行了研究。引入动态调制方法,并将Z型扭秤结构应用于动态测量模式,实现重力水平梯度和重力曲率值的同时测量。在信号处理过程中使用旋转滤波和遗传算法,可有效消除扭摆自由振荡对目标峰值的影响并提取目标频率的幅值和相位。仿真实验结果表明,遗传算法从动态测量模式信号中提取目标重力梯度值引入的不确定度分量不超过0.0077 E(1 E=10^(-9)/s^(2))。使用遗传算法进行数据后处理时,系统的测量不确定度评定为0.0582 E。

紫甘薯饮料加工技术优化研究

目的以紫甘薯为原料研究清汁型和乳酸菌发酵型紫甘薯饮料。方法比较不同料水比及酶处理对紫甘薯汁品质的影响,采用正交法优化紫甘薯饮料配方。结果紫甘薯与水的比例1:5(m:m),α-淀粉酶、糖化酶、果胶酶和蛋白酶分别酶解60、90、60和60min后制成的紫甘薯汁澄清透亮。清汁型紫甘薯饮料以紫甘薯汁复配6.0%蔗糖、4.0%蜂蜜、0.10%柠檬酸及0.1%的黄原胶和羧甲基纤维素钠。发酵型紫甘薯饮料以乳酸菌接种量1.0%、初始pH 6.5、发酵时间24 h,制得的紫甘薯发酵液配合以0.10%柠檬酸、4.0%蜂蜜及0.1%的黄原胶和羧甲基纤维素钠。结论清汁型紫甘薯饮料形态稳定,色香味俱佳。发酵型紫甘薯饮料富含花青素类色素、可溶性蛋白、维生素、矿质元素等多种营养成分,具有浓郁的紫甘薯香味和乳酸风味。

基于大数据的数字化电能计量误差分析

数字化电能计量系统仍存在着可靠性、稳定性等问题,具有大数据特点。因此,文中分析了数字化电能计量误差的主要来源及其数学模型,结合大数据的分布式存储和计算技术,构建了基于Hadoop构架、Spark内存计算框架的电能计量误差多维分析与诊断平台。平台根据计量数据提取误差信号,计算误差特征值,对其进行多维分析,采用朴素贝叶斯算法进行误差类型诊断。试验结果表明,本方案具有算法并行化可行性高、分布式数据处理能力强的优点。

基于Stacking集成模型的台区线损率预测方法研究

针对现有线损率预测方法预测精度较低的问题,提出了一种将Stacking集成学习模型与改进的k-均值聚类方法相结合用于预测台区的线损率。通过聚类方法进行数据聚类,再通过Stacking集成学习模型对台区线损率进行预测。Stacking集成学习模型由XGBoost模型、梯度决策树模型和支持向量机模型构成。与传统预测方法进行对比分析试验验证可行性。结果表明,与传统的线损率预测方法相比,所提出的线损率预测方法具有更好的预测效果,更高的预测精度和拟合效果。该研究为实现电网双碳目标提供了一定的参考。

基于流计算的大客户用能智能分析方法

针对大客户用电用能综合分析及无法及时发现用电异常的问题,设计了一种基于流计算下大客户用能智能分析方法。首先给出了大客户用能智能分析系统的整体构架,并从软硬件功能需求方面进行了描述。依托流计算技术实时处理能力和高性能数据吞吐能力实时处理采集到的数据,运用机器学习按照用户综合用能分析数学模型和窃电识别模型学习处理异常数据。并对高风险用户一定周期内的线损计算曲线、用能曲线以及电压、电流等电气数据进行展示,为大客户智能用能提供辅助支撑。

智能配电网环境下负荷预测研究

智能配电网环境下,负荷预测精度的高低影响着电网运行的安全性和经济性,为了提高负荷预测精度,提出了人工鱼群-反向传播算法(AFSA-BP)的电力负荷预测模型。传统BP算法由于输入神经元,隐层神经元和输出神经元之间的初始权值和阈值为随机获取,降低了算法的收敛速度和预测精度,采用AFSA算法对BP算法的初始权值和阈值进行全局寻优,获得最优的网络模型。在分析了电力系统负荷特性的基础上,采集历史负荷数据,天气和节假日信息,采用AFSA-BP算法建立短期负荷预测模型。为了验证该算法的准确性,分别采用BP、最小二乘-支持向量机(LS-SVM)、AFSA-BP算法对某省的电力负荷进行仿真实验,AFSA-BP算法的均方根误差(RMSE)为0.0862,而BP算法和LS-SVM算法的RMSE分别为0.2558和0.1522,结果验证了AFSA-BP算法适用于短期电力负荷预测。

输油管道防腐用漆酚钛聚合物涂层在模拟环境下的应用性能测试与对比分析

本文通过高盐、高温工况环境模拟测试,研究了两种输油管道防腐用漆酚钛聚合物(UTP)涂层的防腐性能,并与两种商业化酚醛环氧涂层进行了对比分析,以期对极端环境下输油管线防腐涂层的应用进行优化。采用扫描电镜(SEM)、电化学阻抗谱(EIS)、傅里叶变换红外光谱(FTIR)对经过31天的腐蚀测试后涂层样品的表面形貌、阻抗和化学结构变化进行了对比表分析。结果表明,涂层失效的主要原因在于涂层破坏后基材直接暴露于电解质环境所致。腐蚀性成分可通过涂层裂纹和微孔对基材进行腐蚀。腐蚀过程开始于涂层聚合物降解和应力引起的涂层材料缓慢破坏,并最终导致碳钢基材的局部腐蚀。在模拟腐蚀环境下,UTP涂层能够提供优异的防腐蚀作用,主要归功于其分子结构良好的化学稳定性和材料微观结构的整体性。

基于大数据平台的电压质量诊断与应用分析

针对传统电压质量异常识别方法效率低下,难以做到全面的识别与监控的问题。文中搭建了电压质量诊断与分析平台模型,通过主成分分析得到影响端用户电压监测分析、配网低压台区运行状态分析等应用的主成分,对数据进行降维,实现数据的简化处理。聚类分析筛选出符合异常特征的电压异常数据,利用电压异常模型确定异常数据,生成电压异常识别结果。基于J2EE技术框架在末端用户电压监测分析、配网低压台区运行状态分析、配网线路故障判断分析等方面进行可视化展示。

配网供电可靠性多维度大数据分析方法研究

采用传统分析方法进行配网供电可靠性分析时,存在分析角度不全面、分析有效性较低等问题,为此提出一种配网供电可靠性多维度大数据分析方法.该方法通过设计配网供电可靠性指标,利用大数据分析方法对配网供电性能进行评估,并利用状态转移抽样法获取配网供电系统的状态变化序列.实验结果表明,该方法可准确获取用户平均停电时间、平均停电概率等指标,并准确分析配网供电可靠性,验证了方法的整体有效性.

基于数据挖掘的节约电力潜力用户智能识别方法

针对电力用户高斯核密度不明确,导致识别方法的稳定性较低的问题,设计一种基于数据挖掘的节约电力潜力用户智能识别方法。利用数据挖掘技术估算节约电力潜力值,划分电能消费结构类型,计算距离样本中心的最小距离与最大距离,获取电力用户高斯核密度,结合电力负荷发展规律,构建用户隶属度矩阵设置智能识别模式,实现智能识别方法设计。实验结果表明,在不同的攻击强度条件下,设计的用户智能识别方法稳定性均值较高,最高可达83.278%,为识别节约电力潜力用户提供保障。

基于大数据背景的电力调度数据智能估计技术研究

针对电网常规运行、检修运行过程中出现的大量电路状态重构和全角度覆盖的运行工况,即电力调度大数据,进行电路运行状态的分析和电路各类故障的精准定位。基于转移潮流策略和电力调度大数据的状态智能估计技术,对SCADA系统的量测进行了错误数据的精准定位,经过在实际环境中的运用,证明了新策略的有效性。

改性环氧涂层的防腐性能研究

研究了4种环氧涂层在高温、高压、高盐及酸性条件下的防腐性能,探讨了涂层的防腐机理。采用扫描电镜对试验前后涂层的表面和断面形貌进行了观察,利用电化学阻抗谱对比分析了涂层的防腐性能;通过傅里叶变换红外光谱对涂层的化学结构进行了分析。结果显示,涂层的防腐性能主要取决于其组成聚合物的交联密度、高分子键能、良好的耐热性以及化学结构稳定性。

基于逻辑回归模型的电力用户停电敏感度预测

传统的电力用户停电敏感度预测研究方法速度慢,预测精确度低。基于逻辑回归模型研究了一种电力用户停电敏感度预测方法,利用逻辑回归模型的通用公式收集电力用户停电敏感度数据,对收集的整体数据进行分析筛选,剔除一些无关数据并比对剩余数据,得到具体分析数据图。建立逻辑回归模型,根据建立的逻辑回归模型实现敏感度预测。实验结果表明,所提方法能够在短时间内精确地预测出用户停电敏感度,降低经济损失。

基于贝叶斯方法的冲击试样测量不确定度评估

目的:提出了一种基于贝叶斯方法(BM)的测量不确定度评估方法,可用于对ABS共聚物冲击试样的测量不确定度进行评估。方法:通过XJJ-50型简支梁冲击试验机(7.5 J摆锤),对试样的冲击强度进行了测试。在对冲击系统建模与不确定度源分析的基础上,首先基于JJF 1059.1—2012《测量不确定度评定与表示》对冲击试样的测量不确定度进行了评估,并将其结果作为参考计算标准;其次,基于贝叶斯不确定度评估理论,结合蒙特卡罗模拟,对该冲击试样测量不确定度进行评估。结果:BM与测量不确定度表示指南(GUM)评估结果存在差异的主要原因是其先验数据与整体测试样本数据未保持分布一致。结论:将BM与蒙特卡罗模拟相结合,并通过多次随机抽取先验数据与后验数据,有利于获得更为有效的冲击试样测量不确定度评估结果。

Numerical analysis of the static performance of an annular aerostatic gas thrust bearing applied in the cryogenic turbo-expander of the EAST subsystem

The EAST superconducting tokamak, an advanced steady-state plasma physics experimental device, has been built at the Institute of Plasma Physics, Chinese Academy of Sciences. All the toroidal field magnets and poloidal field magnets, made of NbTi/Cu cable-in-conduit conductor, are cooled with forced flow supercritical helium at 3.8 K. The cryogenic system of EAST consists of a 2 kW/4 K helium refrigerator and a helium distribution system for the cooling of coils, structures, thermal shields, bus-lines, etc. The high-speed turbo-expander is an important refrigerating component of the EAST cryogenic system. In the turbo-expander, the axial supporting technology is critical for the smooth operation of the rotor bearing system. In this paper, hydrostatic thrust bearings are designed based on the axial load of the turbo-expander. Thereafter, a computational fluid dynamics-based numerical model of the aerostatic thrust bearing is set up to evaluate the bearing performance. Tilting effect on the pressure distribution and bearing load is analyzed for the thrust beating. Bearing load and stiffness are compared with different static supply pressures. The net force from the thrust bearings can be calculated for different combinations of bearing clearance and supply pressure.

一种基于深度强化学习的任务卸载方法

随着车联网的快速发展,车载应用大多是计算密集和延迟敏感的。车辆是资源受限的设备,无法为这些应用提供所需的计算和存储资源。边缘计算通过将计算和存储资源提供给网络边缘的车辆,有望成为满足低延迟需求的有效解决方案。这种将任务卸载到边缘服务器的计算模式不仅可以克服车辆资源的不足,还可以避免将任务卸载到云可能导致的高延迟。提出了一种基于深度强化学习的任务卸载方法,以最小化任务的平均完成时间。首先,把多任务卸载决策问题规约为优化问题。其次,使用深度强化学习对优化问题进行求解,以获得具有最小完成时间的优化卸载策略。最后,实验结果表明,该方法的性能优于其他基准方法。

基于PBT的自动调参算法应用研究

超参数的取值对机器学习的模型效果有至关重要的作用。如果根据德尔菲经验法来人工选择超参数,那么需要充足的相关经验、大量的精力以及不可控制的运气成分。深度强化学习的超参数配置最理想的状态是可依据当前所面临的学习状态进行自动调整,并非在多种状态下只使用同一组配置好的超参数。基于此,提出一种基于群体的超参数自动调整算法(PBT)。PBT是参数随机搜索及人工调优这两种使用频率最高的超参数优化方法的结合,其在搜索参数的同时训练并优化参数网络,从而能快速准确地找到最优参数。超参数自动调整的方法可大幅缩短模型构建时间,提升建模效率,提高模型精度。PBT使得试验者能快速为任务选择最佳的超参数集合和模型。