基于界面电荷极化特性的变压器油纸绝缘寿命预测方法研究

准确预测变压器油纸绝缘寿命对于保障电力系统安全稳定运行具有重要意义。根据微观介电响应机制剖析界面极化与油纸绝缘老化的内在机理联系,并基于混合极化模型——一种在扩展德拜模型基础上引入界面极化支路的等效电路拓扑,探究界面电荷极化特性在油纸绝缘寿命预测中的应用。首先,分析温升过程中频谱特性变化背后蕴含的普适弛豫极化规律,基于混合极化模型重构回复电压极化谱。结合温度对主时间常数和模型参数的影响规律,提出一种单一温度测试下的油纸绝缘活化能计算方法,通过界面极化电容构建出频温平移因子。其次,剖析介质损耗因数随老化加深的变化规律,探究损耗峰偏移现象与界面极化弛豫时间的内在联系,凝练全新表征油纸绝缘聚合度含量的频域特征参量——界面极化支路极点Ph2。最后,联合界面极化支路极点Ph2、频温平移因子和损失累积动力学方程构建油纸绝缘寿命预测模型,并将不同运行年限变压器现场实测数据代入模型验证实效性,为油纸绝缘寿命预测提供了一种新思路。

基于IKNN和LOF的变压器回复电压数据清洗方法研究

基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先,选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量,并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次,利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰,并通过加权欧氏距离标度突出各特征量间的关联性,进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后,代入多组实测数据验证所提数据清洗方法的实效性。结果表明,数据清洗后的状态评估准确率相较于原有数据上升了50%左右,有效提高了变压器回复电压数据质量,为准确感知变压器运行状况奠定坚实的基础。

基于灰色关联分析和聚类云模型的变压器油纸绝缘状态评估

电力变压器复合油纸绝缘状态的准确诊断对电力系统安全稳定运行以及设备自身运维具有重要指导意义。针对油纸绝缘介电响应少数特征量评估和未考虑系统随机性导致评估不准确的问题,提出基于灰色关联分析(grey relational analysis,GRA)与聚类云模型的评估方法。首先,基于回复电压法和扩展德拜模型提取5个相关特征量,建立油纸绝缘状态评估体系。然后,针对多特征量在反映绝缘状态的敏感性差异,采用组合赋权法综合GRA和改进层次分析法,避免了数据信息丢失,使权重分配更加合理。最后,利用云模型雾化特性反映数据随机性,全面考虑评估指标等级分类边界的随机性和模糊性后构建了聚类云模型隶属度选择器。通过多台不同糠醛含量变压器实测数据进行验证表明,该评估方法不仅能够准确反映变压器实际绝缘状态,而且能体现其劣化趋势,为检修策略的制定提供参考依据。

Reduction behaviors of iron ore lump and pellets with H_2 -CO gas

The differences of reduction behaviors between iron ore lump and pellets were studied by conducting low temperature reduction degradation, static load reduction and droplet tests. These tests simulated the conditions of reduction temperature and hydrogen-containing gas in COREX. Due to its dense structure and low porosity compared with pellets, lump ore possesses poor reduction degradation index （RDI） and slower reduction rate in early and medium reaction stages ,showing signs of lower strength, lower softening and melting temperatures, as well as a wider melting zone and higher AP. That provides some basis to explain the phenomena of differential pressure rise,metallization decline and more sticking after the usage of lump ore in COREX plant.

基于Mask R-CNN的试管-支架系统Data Matrix码识别方法

在试管-支架自动化系统的输入图像中,Data Matrix(DM)码呈现为多个小目标,图像存在成像模糊、边缘干扰严重等问题,使得传统方法难以达到良好的识别效果。为此,提出一种基于深度学习的Data Matrix码识别方法DeepDMCode,以Mask R-CNN模型为基础,通过内容差异化数据合成和同步自动化标注,实现训练数据的增强,提升模型的学习能力。在模型分割结果的基础上,提出一种旋转校正方法,确保可用标准解码库实现DM码的解码。以分辨率为1600×1200、支架容量为96的数据实验表明,由于该方法在前期码定位阶段最大程度地还原码边界信息,准确度可达0.92(mIoU),完成单张图像中所有DM识别的平均速度为5.2 s,优于YOLO、SegNet、CenterNet等主流工业基准算法。

双支架后释放技术辅助栓塞治疗颅内破裂椎动脉夹层动脉瘤的疗效

目的评估双支架后释放技术辅助弹簧圈栓塞治疗颅内破裂椎动脉夹层动脉瘤(VADAs)的疗效和安全性。方法选择莆田学院附属医院神经外科自2015年9月至2020年3月采用双支架后释放技术辅助弹簧圈栓塞治疗的17例颅内破裂VADAs患者(17个动脉瘤),术后即刻行DSA检查评估VADAs的栓塞程度,随访结束时采用改良Rankin量表(mRS)评分评估患者的预后,DSA检查判断动脉瘤的愈合情况。结果术后即刻DSA检查显示完全栓塞6例,次全栓塞8例,部分栓塞3例;2例患者围手术期死亡,2例术后出现颅神经麻痹症状。15例患者术后随访5~24个月,预后良好14例,预后不良1例;11例患者完成DSA随访,其中8例VADAs完全愈合,2例稳定,1例复发。结论双支架后释放技术辅助弹簧圈栓塞治疗颅内破裂VADAs安全、有效。