纳税评估状态分析——基于安徽省国税局第一直属分局的调研

纳税评估是税务机关对纳税人实施税源监控的最有效手段,是推进专业化管理的关键和重要内容,它对于缓和征纳双方关系、提高税法遵从度、构建和谐的征纳关系发挥着重要作用。安徽省国税局第一直属分局作为专司纳税评估工作的直属机构,通过规范工作程序、创新工作方法、提高人员素质等手段,纳税评估工作质量大幅提高,纳税人税法遵从度显著提升。但也发现纳税评估在评估模型指标设置、第三方信息的取得和利用、评估结果的利用等方面存在不尽如人意的地方,建议进一步改进。

基于知识图谱多集池化的健康状态智能评估方法

为了从装备传感器监测数据和其他关联数据中提取更全面的时间域和空间域特征信息,提出一种基于知识图谱多集池化的健康状态评估方法。构建了带时间标签的健康知识图谱,以建模装备一段时间内监测数据、部件组成数据和先验知识间的时空依赖关系。在此基础上,设计了图多集池化网络模型,该模型通过节点特征学习、第一级图池化、自注意力特征学习和第二级图池化能够生成图谱的整体向量表示,将健康状态评估转换为基于表示学习的图谱分类任务。在公开的发动机数据集上对所提方法进行了实验评价,结果表明,该方法能够获得较高的评估准确度,在小样本情况下也表现出良好的优势。

脉冲晶闸管热网络模型及运行状态评估方法

针对脉冲晶闸管承受强流脉冲导致的瞬态电磁热力联合冲击产生的热疲劳累积突发性失效问题,提出了在脉冲晶闸管内布置温度传感器的状态监测方法,建立了脉冲晶闸管的高阶瞬态热阻抗网络模型,分析了强流脉冲作用下脉冲晶闸管内部不同层的温度分布规律,并通过理论计算验证了分析方法的有效性。计算结果表明,热网络模型计算相对偏差小于5%。可为脉冲晶闸管型强流开关的状态评估提供理论指导。

智能船舶机舱设备健康状态评估技术及应用

针对船舶机舱设备健康状态评估方法和应用进行分析,并进行系统优化设计。引入故障树分析方法和多参数模糊评估方法,设计实现了船舶机舱设备健康状态评估系统。以某型号柴油机实验数据为输入,构建样本数据集,对系统的主要功能进行测试验证,验证结果表明,系统状态识别率达到90%以上,系统在柴油机主机健康平稳性评估方面取得了较好的效果。研究提出的船舶机舱设备的健康状态评估优化设计方案可为后续机舱设备健康状态管理提供参考。

基于集对分析和证据理论的电能表运行状态评估

为及时准确地评估电能表的运行状态,提出一种基于集对分析和证据理论的电能表运行状态评估方法。首先根据电能表自身基础、在线监测及现场检测信息,建立电能表运行状态评估指标体系。然后运用模糊层次分析法和熵权法分别确定各指标的主客观权重,运用博弈论和变权理论确定各指标的组合权重与变权重。之后运用集对分析法确定各指标与各状态等级间的联系度,采用证据理论对各指标的联系度进行合成。最后利用最大隶属度原则与信度准则共同判定电能表的运行状态等级。实例分析结果表明,该方法与电能表的实际运行情况相符,且评估结果准确直观,与模糊综合评价法和集对分析法相比,该方法在状态等级区分度上达到了0.5256,明显高于模糊综合评价法的0.3024及集对分析法的0.1483,具有较好的区分度,为电能表的状态评估提供了一种新的思路。

基于CWT-RES34的风电机组叶片裂纹状态评估

为有效进行风电机组叶片运行时的裂纹状态评估,提出一种基于连续小波变换(Continue Wavelet Transform,CWT)和残差神经网络(Residual Networks,ResNet)结合的叶片裂纹状态评估方法。首先对叶片加速度振动信号做CWT后生成二维彩色时频图像,然后将图像分别作为训练集和测试集,使用34层ResNet进行训练和诊断,最后选取天津某风电场提供的1.5 MW风力发电机作为研究对象,根据其样本数据将叶片故障程度按照裂纹长度和宽度分为健康、轻微、中等、严重、危险5种状态,评估平均准确率高达98.23%,方法的有效性和可行性得到验证。

考虑多信息融合的风电机组状态评估与预测系统开发

为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统(supervisory control and data acquisition,SCADA)检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题。结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率3项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性。

基于BP-AHP风机状态评估的超短期风电功率动态预测研究

针对传统风电功率预测仅考虑气象因素,且无法计及风电机组真实出力状态导致预测精度较差问题,本文提出一种计及风机状态的超短期风电功率动态预测方法。首先,为能够精确评估风机状态,将BP(error back propagation, BP)算法引入层次分析法(analytic hierarchy process, AHP)的评估结构中,构建BP-AHP风机状态评估模型,实现单台风机状态评估;然后,综合考虑地形及机组排布等因素,将风电场所有风机的状态取均值作为风电场状态,利用皮尔逊相关系数衡量所评估状态与功率之间的相关性以验证评估模型合理性,并采用XGBoost构建计及风机状态的动态预测模型;最后,以陕西地区某风电场实测数据进行算例分析,验证了所提方法的可行性及有效性。

基于动态TDFP模型与Wasserstein距离的滚动轴承运行状态评估

针对滚动轴承运行状态评估问题,提出一种基于动态二维特征概率(TDFP)模型与Wasserstein距离的评估方法。首先通过滚动轴承健康数据样本的均方根和线性峭度指标构建二维性能指标序列,利用多元核密度估计构建TDFP基准模型;然后通过不断累积的监测数据样本对TDFP模型进行动态更新,并计算Wasserstein距离测度获取基准模型与更新模型之间的量化差异;最后结合自适应健康阈值策略实现对滚动轴承运行状态的动态评估。滚动轴承全寿命周期实验数据验证结果表明:该评估方法能够准确跟踪轴承的退化过程,并及时捕捉到轴承初始退化时刻,对实际工程应用具有一定参考及借鉴价值。

基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的风电机组变桨轴承退化状态评估

针对风电机组变桨轴承服役过程环境噪声干扰严重、退化状态评估精度低的问题,提出一种基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的退化状态评估模型。该模型将监测数据状态特征获取过程由单通道拓展为多通道进行,通过提出的多元精细复合多尺度波动散布熵算法来获取多通道监测数据的多尺度状态特征,并将累积和检验算法与欧氏距离矩阵测度方法相结合,用于定量衡量基准样本与待分析样本间的差异,从而实现变桨轴承退化状态评估。风电机组变桨轴承全寿命周期加速疲劳实验验证结果表明:该模型能够及时捕捉到变桨轴承的初始退化时刻并且准确跟踪整个退化过程。

基于改进CNN-SVM的井下钻头磨损状态评估研究

现有钻头磨损评估方法中,存在人工特征提取过程可能无法完全提取正确分类所需的信号动态特征,及需要对各个统计量进行大量计算等问题。为此,提出了一种新的基于改进卷积神经网络支持向量机(CNN-SVM)的钻头磨损程度评估算法。该算法将采集的近钻头原始振动数据导入CNN-Softmax模型,通过训练好的CNN模型从近钻头数据中提取主要的特征参数,将提取的稀疏特征向量输入SVM并进行故障分类,利用遗传算法实现SVM参数的优化选择,最后应用t分布随机邻域法近邻嵌入,使其故障特征学习过程可视化,以评估其特征提取能力。采用该算法对钻头磨损的现场试验数据进行了分析。分析结果表明:基于改进CNN-SVM的井下钻头磨损状态评估算法准确率高达98.33%。所得结论可为实现钻头磨损状态的进一步监测提供理论支撑。

基于活化能特征指数的变压器绝缘状态评估方法

基于活化能这一理化特征参量,从微观角度定量研究变压器的缺陷检测与老化评估技术,建立了泄漏电流、活化能与老化时间的定量关系模型,研制出基于活化能特征指数的变压器绝缘系统状态评估装置。实例分析表明,本方法具有较高的适用性。

基于专家知识与监测数据联合驱动的高压开关柜状态评估

高压开关柜(HVS)作为电力系统的关键设备,对其工作状况进行有效评估可以保障电力系统的安全稳定运行。在工程实践中,由于高压开关柜长期服役于潮湿、高温等恶劣环境下,不可避免的传感器失效或人为因素会导致其设备状态数据存在随机缺失的现象,从而破坏了数据的完整性和可用性,使得对数据质量要求较高的数据驱动方法难以直接用于解决高压开关柜状态评估的问题。为了解决上述问题,研究了一种基于专家知识和监测数据联合驱动的高压开关柜状态评估方法。首先,对高压开关柜系统的内部构成进行了深入分析,并根据区域中设备的功能不同将其分为电缆室、母线室和断路器室三大区域。其次,进一步分析了系统状态、各区域状态及其关键部件状态两两之间的因果关系,从而建立了适用于高压开关柜状态评估的三层贝叶斯网络(BN)拓扑结构。然后,引入专家领域知识设计了适用于高压开关柜系统的3种约束罚函数,并通过求解带有约束的优化问题,改善了不完整数据集下的贝叶斯网络参数估计性能,进而实现了对高压开关柜系统状态的精确评估。最后,在自主设计的10 kV高压开关柜样机上开展了对比验证实验,结果表明,相比于支持向量机(SVM)方法和反向传播(BP)神经网络方法,本文所提方法在状态评估精度上更具优势。

地铁列车牵引系统状态评估方法研究

充分挖掘现场故障统计数据,提出一种地铁列车牵引系统状态评估方法。首先基于牵引系统故障树建立层次分析模型,构建各层级评判矩阵并确定权重,然后计算牵引系统各模块基本事件的灰色聚类系数,完成对系统模块层的状态评估,最后利用各模块聚类系数构建牵引系统模糊综合评判矩阵,采用模糊综合评判法对牵引系统整体的健康状态进行评估。结果表明,牵引逆变模块和牵引控制单元板卡是该车型地铁列车牵引系统的薄弱环节,应作为检修与维护中的重点对象。该评估方法综合利用故障树—层次分析法确定权重,降低了人为因素的影响,其评估结果可为地铁列车牵引系统主动维护和检修提供有效依据。

旋转机械健康状态评估方法研究现状与展望

旋转机械是机械装备的重要组成部分,其内部结构复杂度高,关键零部件与子系统之间耦合度强,长期在复杂工况下运行易发生故障.一旦发生故障,会导致整机性能下降,甚至造成重大经济损失或人员伤亡.因此,旋转机械健康状态评估研究已成为现代国防与工业装备发展中的重点之一.从旋转机械的健康管理与智能运维需求出发,首先,论述了健康状态评估在机械设备智能运维中的地位和作用;其次,介绍了健康状态评估技术的概念、状态等级的划分以及评估指标;再次,阐述了基于知识经验、模型驱动和数据驱动的典型评估方法;进而,综述了近年来国内外学者在泵、轴承、齿轮箱和航空发动机等典型旋转机械健康状态评估方面的研究成果;最后,基于健康状态评估方法研究面临的技术挑战和发展趋势,对旋转机械健康状态评估方法的发展方向进行了探讨和展望.

基于频域介电谱曲线分解的氧化锌避雷器老化状态评估

氧化锌避雷器是电力系统的重要组成设备,其老化状态直接关系到对过电压的防护效果,开展氧化锌避雷器的老化状态评估具有重要意义。该文针对氧化锌避雷器内部不均匀老化分布,提出一种基于频域介电谱曲线分解的氧化锌避雷器老化状态评估方法。首先,通过构建氧化锌避雷器介电响应等效电路,研究了氧化锌避雷器频域介电谱分解方法,根据整支避雷器频域介电谱分解可以得到避雷器内部各区域氧化锌阀片的频域介电曲线;其次,利用Havriliak-Negami方程对氧化锌阀片频域介电谱特征参数进行了提取,基于极限学习机建立了氧化锌阀片老化状态评估模型,提出氧化锌避雷器老化评估方法流程;最后,通过多重雷击模拟实验,制备了不同老化状态的氧化锌阀片与避雷器实物样本,对所提老化评估方法进行了分析与验证。结果表明,整支避雷器频域介电谱分解与测试结果的平均误差小于3%,所提方法能够有效地对避雷器频域介电谱进行分解并获取各区域的频域介电谱;针对整支避雷器,该文所提方法对各区域老化状态的评估准确率为93.3%,能够有效地对避雷器进行老化评估。

基于PSO-ELM的变压器油纸绝缘状态无损评估方法

油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用粒子群优化-极限学习机(particle swarm optimization-extreme learning machine,PSO-ELM)算法的参数预测方法,实现了基于回复电压曲线特征参量的油纸绝缘老化与受潮状态量化评估。由油纸绝缘模型理化性能分析的对比结果可知,基于PSO-ELM方法的预测值精度远高于传统ELM方法,油纸绝缘内含水率及纸板聚合度预测的绝对误差范围分别小于±0.4%、±30。

多源信息融合的核电循泵轴承健康状态增量评估

针对基于深度学习的导轴承健康状态评估模型在增量学习新任务后,几乎彻底遗忘之前学习的内容,导致模型对旧任务评估准确率下降的问题,提出一种多源信息融合的核电循环水泵导轴承健康状态增量评估方法。首先,设计多源信息融合网络,提取反映导轴承健康状态的高维融合特征;其次,通过减小多源信息融合网络的分类损失及蒸馏损失保留新旧任务知识,设计范例管理策略及最邻近均值分类器实现导轴承健康状态增量评估;最后,在核电循环水泵实验台架采集导轴承劣化数据,并对所提方法进行实验验证及对比分析。实验结果表明,所提出方法的准确率可达94%以上。

基于深度学习的电能计量装置运行状态评估模型研究

【目的】在电能计量装置日常运行工作中需要进行运行状态评估,人工检查耗费时间长、效率低下、核查不准确,难以满足实际应用需求。【方法】基于用电信息采集数据,建立基于深度学习的计量装置运行状态评估模型,通过深度学习模型抓取电量历史数据的特征。利用迁移学习优化模型训练过程,完成对用户未来电量使用情况的预测,并对电量期望值与计量值的差值设定阈值,判断电能表的运行状态。【结果】模型结果可作为评估智能电表运行状态的关键参考,为台区智能电表运行维护和精准更换等给予重要的支持,可有效减少实地运维管理人员和运维次数,使故障分析和准确定位得到提升。【结论】由仿真数据和实际台区数据分别对方法的准确性进行验证,实验结果表明本文提出的评估模型效果较好。

基于BN-AHP的装甲车辆动力系统故障状态评估

装甲车辆复杂传统部件的损伤能否及时被发现,这关系到整车战备或作战能力,系统的故障状态评估是至关重要的。将贝叶斯网络模型结合云模型理论,建立云贝叶斯网络模型,针对4个不同工况的装甲车辆进行故障状态评估。在获取贝叶斯网络初始节点时更多是依靠专家经验,往往会带来很大的误差,导致条件概率偏差过大,采用证据理论/层次分析法来优化专家经验,确定各个节点的条件概率;将层次分析法转化所得的条件概率值代入到云贝叶斯网络模型中,经过计算可以得到不同损毁等级的概率。将云贝叶斯网络模型计算结果与其他状态评估方法结果进行对比分析,结果表明,所采用的计算方法较其他方法在可靠性和准确性方面有所提高。