基于聚类算法的电网覆冰灾害分级预警模型研究

对电网覆冰灾害进行了分级预警模型的研究,采用图像检测法测得输电线路覆冰厚度的实时数据,以此为约束条件,采用聚类算法计算出输电线路的综合覆冰厚度,针对不同的覆冰厚度,对覆冰灾害进行了等级划分,并发出相应等级的预警信号。通过对某220 k V架空输电线路覆冰厚度数据的实时监测,验证了该预警模型的有效性。电网覆冰灾害分级预警模型的建立,使覆冰灾害预警更为准确、有效,且节约线路维护检修成本,为高压输电线路状态评估、安全性评价等工作提供参考依据。

高强混凝土强度预测的未确知聚类预测优化模型

高强混凝土的强度受多种因素的影响,其强度的预测是一个动态性的系统工程。建立了高强混凝土强度预测的未确知聚类的预测优化模型。并将未确知聚类预测优化模型计算的强度结果与实测混凝土28 d抗压强度进行比较。研究表明,预测结果与实测结果吻合一致,说明该预测模型具有较高的预测精度,为以后高强混凝土强度预测提出一种新方法和一条新途径。

基于热连轧实测数据的模型钢族层别优化

钢族层别是热连轧过程控制最重要的基础配置数据之一,对轧制模型设定精度具有重要影响。现有的钢族层别划分以人工经验为主,主要依靠碳当量来对钢族进行划分,存在划分不合理、难以满足实际生产需要等不足。鉴于此,提出一种新的线聚类算法来对钢族层别分类进行优化。首先,大量收集某钢族层别的轧制历史数据;其次,绘制各带钢变形速率与变形抗力数据的散点图,并观察数据散点的带状分布特征;最后,采用线聚类算法来优化钢族层别的分类,挑选分离度较大的钢种到新的钢族。目前,该技术已在宝钢1 880等多个热连轧模型调试中使用,对热连轧工程的达标达产和产品验证起到重要支撑作用。