混合神经网络算法在GIS局部放电模式识别中的应用研究

为了提高基于超声法GIS局部放电模式识别的正确率,在实验室中对GIS典型缺陷局部放电的超声波进行了重复性测量,从43个能够表征缺陷特征的参数中提取了34个稳定的特征参数,然后采用后向序贯算法筛选出了24个有效特征参数作为神经网络输入参数。针对神经网络的局限性,提出了改进的GA-BP混合神经网络算法。训练结果表明,GA-BP神经网络的应用有效地提高了识别的准确率。

用改进粒子群神经网络混合算法优化特高压油气套管均压球结构

在我国特高压(ultra-high voltage,UHV)油气套管样机的试制过程中,套管尾部电场分布和均压球结构的优化是一项重要的研究内容。为此,详细介绍了改进粒子群神经网络混合算法(PSO-BP算法)的基本原理和流程,运用连续显式函数验证了该算法的寻优能力和准确度;并运用该算法对套管尾部均压球结构进行了优化。研究表明:PSO-BP算法能较准确地搜寻到显式函数的极值点,具有较强的挑出局部最优解的能力;需用套管3维全模型才能较准确地计算得出套管尾部的电场分布;PSO-BP算法能有效搜寻到均压球结构参数的最佳配置;优化后均压球表面的最大电场强度较优化前降低了约64.9%,且PSO-BP算法较传统PSO算法可节省约75.2%的计算时间。该研究结果已成功运用于特高压油气套管样机的试制并完成了全部型式试验。

基于云模型的混合量子神经网络算法及其仿真研究

在云模型、量子算法、神经网络算法等理论研究的基础上,设计了一种以量子比特神经元为信息处理单元的多层量子神经网络——基于云模型的混合量子神经网络算法。在标准数据集上进行的实验仿真表明:混合量子算法具有量子算法轨迹行为性能的优势;同时该混合算法可将提取的特征输入到量子神经网络中对数据集进行分类。该算法改进了量子神经网络的损失函数,提高了误差分析性能。最后,通过仿真实验验证了该混合量子算法在收敛速度和鲁棒性等方面均优于量子神经网络算法。

低碳供应链柔性资源配置模型及算法的鲁棒性研究

随着全球化环境危机与资源禀赋困境加剧,要求供应链在资源环境约束下提高资源利用率,实现低碳绿色转型。新冠肺炎疫情对全球供应链运营及经济发展带来了新的挑战。本文在资源属性及混合算法等研究基础上,以资源配置模型及其算法为研究对象,通过对资源配置问题、模型参数及鲁棒性实验分析,合理地解决低碳供应链柔性资源配置平衡问题。考虑资源环境的双重属性,如何优化供应链资源配置,本文从政府层面和企业层面给出了相应的对策:政府要加强低碳供应链的建设与管理;企业要强化碳减排与资源配置方法的创新。在经济全球化影响下,如何实现线上线下供应链资源的优化配置,值得进一步思考与研究。

基于WRF-Windsim中微尺度耦合技术的风资源精细化评估研究

常规风资源评估方法较多采用假设入流风廓线的微尺度模型,较少考虑风电场内风流动受宏观大气环流影响的问题,基于中尺度数值天气预报模式(weather research forecast,WRF)和微尺度计算流体动力学(computational fluid dynamics,CFD)模型,探究中微尺度耦合的风资源精细化评估方法的内在逻辑和工程应用的适用性。首先,在理论原理的研究基础上,构建从WRF模拟结果中提取微尺度建模计算边界附近风速廓线的方法;其次,在CFD软件Windsim中通过网格嵌套实现边界层内的降尺度模拟,建立WRF-Windsim的中微尺度耦合模型;最后,以宁夏海原某复杂地形风电场为实例开展水平分辨率35 m×35 m的风资源数值模拟实验,采用多测风塔互推对WRF-Windsim的模拟数据进行验证分析,并完成风资源图谱绘制和发电量测算。计算结果显示,WRF模拟结果可以有效改善优化微尺度CFD的入流边界条件,降低风资源评估的误差。

面向超重型火箭发射场的多气体浓度监测系统设计

为了解决超重型运载火箭发射场环境中气体种类冗杂、气体浓度监测精度受室外温湿度环境干扰严重以及对火箭发射环境污染度评定规则缺乏精准数据支撑等问题,文章提出一种多气体浓度监测系统的设计:在完成系统硬件设计的基础上,基于混合遗传算法和粒子群算法的优化反向传播神经网络算法(GA-PSO-BP)进行了软件设计,对发射场环境中CO、SO_(2)、CH_(4)等挥发性有机化合物(VOC)类型气体浓度的监测精度进行了温湿度补偿研究。实验结果表明:系统前端感知层返回到发射场后端测控大厅的节点数据中最大浓度误差不超过1.12%,补偿能力优越。该系统设计对发射场环境多气体浓度精准监测有较大意义。