Neutronics Optimization of LiPb-He Dual-Cooled Fuel Breeding Blanket for the Fusion-Driven sub-critical System

The concept of the liquid Li17Pb83 and Helium gas dual-cooled Fuel Breeding Blanket (FBB) for the Fusion-Driven sub-critical System (FDS) is presented and analyzed. Taking self-sustaining tritium (TBR >1.05) and annual output of 100 kg or more fissile 239Pu (FBR > 0.238) as objective parameters, and based on the three-dimensional Monte Carlo neutron-photon transport code MCNP/4A, a neutronics-optimizated calculation of different cases was carried out and the concept is proved feasible. In addition, the total breeding ratio ( BR = TBR + FBR ) is listed corresponding to different cases.

数智时代的信息分析方法:数据驱动、知识驱动及融合驱动

数智时代,面对大数据、大知识所带来的挑战,如何创新发展信息分析方法,关乎新时代信息分析工作的开展,关乎数据资源的开发利用。本文在梳理现有信息分析方法的基础上,提出数据驱动、知识驱动,以及数据与知识融合驱动的三种数智型方法思路。首先,提出基于文本、网络、音频、图像等的数据驱动以及与之相应的文本挖掘、图挖掘、音频挖掘、图像挖掘等信息分析模式;其次,提出基于专家知识库、通用知识库、领域知识图谱、通用知识图谱等的知识驱动信息分析模式;最后,提出基于特征、模型、决策三种层面的数据与知识融合驱动的信息分析模式。通过以上三种方法,构建能够系统融合大数据、大知识的信息分析方法,实现数智融合型信息分析,促进图书情报学科方法论发展,赋能国家决策和社会治理。图3。表1。参考文献59。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

融合多源数据的深度学习短时降水预测

针对传统降水预测方法的局限性,提出了一种融合多源数据的深度学习短时降水预测模型MSF-Net.在GPM历史降水数据的基础上融合了ERA5气象数据、雷达数据和DEM数据.利用气象特征提取模块学习多源数据的气象特征,通过注意力融合预测模块进行特征融合并实现短时降水预测.将MSF-Net的降水预测结果与多种人工智能方法进行对比,实验结果表明,MSF-Net模型的风险评分TS和偏差评分Bias最优,表明其可以在6 h的预测时效内提升数据驱动降水预测的效果.

融合电磁和地声特征的地震预测集成学习方法

地震是极具破坏性与不确定性的自然现象,在人们毫无察觉的情况下地震发生在人口稠密区时,将严重危害人们生命财产安全。人们不断努力了解地震的物理特征和物理危害与环境之间的相互作用,以便在地震发生前发出适当的警报。可靠的地震预测应包含对地震信号的分析,但是这些信号在地震发生前不明显;因此使用数据驱动机器学习的方法来分析这些信号与地震的联系并预测地震。通过建立观测台网连续监测与地震发生相关的各种物理量或化学量,据此获取的地震前兆信息是地震预测的研究基础。地震发生前,地球物理场发生显著变化,伴随电磁和地声等多种前兆信号,其中电磁和地声信号具有临震特性,是开展地震临震观测预测研究的重要数据来源;因此对地下的电磁扰动和地声信号进行实时监测,获取长期观测数据用于数据驱动机器学习方法预测地震。该文基于AETA数据的临震模型预报,针对多分量地震监测预测系统(Acoustic and Electromagnetic Testing All in one system,AETA)在川滇地区记录的电磁和地声数据,提取时域和频域特征,采用基于随机森林算法、轻量级梯度提升决策树和极度随机树的集成学习方法共同预测该区域的发震情况,选取发震概率最大的子区域中心位置作为震中预测结果,进一步训练LightGBM回归模型以预测此子区域的震级,按周对地震三要素进行预测。实验结果表明,该方法在川滇地区地震风险预测上,准确率可达0.64,震级预测的平均误差为0.38,最小误差为0.00,具有良好的预测效果。

基于数据驱动的分布式光伏发电功率预测方法研究进展

从综述的角度,以分布式光伏系统为对象,分析了功率预测技术的发展情况、存在的难点以及主要影响因素,梳理了应用数据驱动方法实现功率准确预测的技术路线。再以空间相关性、历史出力功率以及气象等影响因素为切入点,梳理了光伏系统数据驱动的功率预测研究现状,分析其相应的数据增强、时空图信息以及特征融合的手段,讨论了技术的优缺点。最后给出了功率预测数据驱动方法研究方向和发展建议。

知识及数据驱动的电力一次设备健康管理方法综述

电力系统规模逐年扩大,其供电可靠性要求越来越高。基于电力设备机理、监测数据,利用知识、数据驱动及其融合驱动方法进行电力一次设备健康管理,是一种提高供电可靠性、降低运维成本的可行途径。文中对知识、数据驱动及其融合驱动的电力一次设备健康管理方法进行综述。首先,概述知识、数据驱动及其融合驱动的关键技术;然后,分别从电力一次设备的图像识别、状态量感知与故障诊断、状态评估与运行维护3个应用场景,对3种驱动方法的研究现状进行了详细梳理;最后,从硬件条件、数据来源、知识模型构建等方面,对3种驱动方法在电力设备健康管理中的应用难点进行总结,并对未来发展给出建议。

一种Wi-Fi RTT/数据驱动惯性导航行人室内定位方法

为了研究基于智能手机的行人室内定位方法,并提高其精度,本文提出了一种基于Wi-Fi往返时间(RTT)、惯性测量单元(IMU)的定位系统。该方法主要包括3部分:(1)使用扩展卡尔曼滤波融合测距信息的Wi-Fi RTT室内定位方法;(2)适用于多手机使用模式的航位推算方法,该方法基于长短时记忆模型(LSTM)建立神经网络模型,预测行人运动速度及航向;(3)基于误差状态卡尔曼滤波的Wi-Fi RTT/数据驱动惯性导航融合定位方法,进一步提高定位精度。试验结果表明,与单一的基于Wi-Fi RTT方法和数据驱动惯性导航方法相比,本文方法的平均定位精度提升了10%~20%。

聚变能源研究态势及展望

聚变能源开发有望重塑未来能源发展格局,正处于突破工程能量“得失相当”的关键阶段,机遇与挑战并存。本文总结了聚变能源研究的主要进展,凝练了能量平衡尚未实现、氚自持尚未得到验证、实现高可利用率难度极高、耐辐照材料开发进展缓慢、使用经济性普遍较差等发展挑战。在梳理国际热核聚变实验堆(ITER)计划的共性基础技术突破、成员国配套研究的基础上,归纳了我国磁约束聚变研究的整体规划、自主项目部署、技术路线跟踪等方面的进展。进一步,围绕我国自主提出的Z箍缩聚变裂变混合堆(Z-FFR)概念,阐述了基本原理、应用优势、系列进展,提出了面向2040年实现商业化供能目标的发展规划,涵盖关键技术攻关、工程演示、商业发电推广等阶段的任务目标。为了全面推进我国聚变能源开发进程,建议在磁约束聚变方面深入参与ITER计划和相关国际合作,攻克商用聚变堆关键物理与工程技术,开展中国聚变工程实验堆(CFETR)主机关键部件研发并适时建设和运营CFETR;在Z-FFR方面,加快“电磁驱动大科学装置”建设,开展聚变能源关键技术攻关,推进Z-FFR工程演示和商业应用。

数字孪生体育场馆的体系架构、现实障碍与推进路径

数字孪生技术为体育场馆智慧化转型升级提供了新思路。研究采用文献研读、实地调研、专家访谈等方法,在“数字孪生”概念认识基础上,对数字孪生体育场馆的体系架构、运行机理以及现实困境和推进路径等问题进行了研究。认为:数字孪生体育场馆具有数据驱动、精准映射、虚实交互等6大特征,包括基础设施层、数据层、模型层等体系架构,其价值主要体现在:满足用户需求、降低运营成本和风险、形成新业态等方面,并从思维革新、功能重塑、体系再造等3个层面阐述了数字孪生体育场馆的运行机理。指出当前我国数字孪生体育场馆建设面临以人为本理念缺失、技术瓶颈突破乏力、制度约束监管不畅等现实困境,并据此提出推进路径:坚持以人为本理念,推进体育场馆服务场景化定制、加大资金投入,重视数字孪生体育场馆技术的研发和创新、加强制度保障,制定数字孪生体育场馆标准化体系、推动多方协同,促进数字孪生体育场馆建设可持续、强化跨学科人才队伍建设和国际交流合作。

主动配电网态势感知技术研究综述与展望

随着分布式电源以及多元化负荷大规模接入,传统无源配电网逐步转化为有源配电网,配电网的故障种类愈发多样化,工作环境、工作状况与拓扑结构日趋复杂。主动配电网更需通过精进、高效的态势感知技术提高系统运行决策的及时性和准确性,准确预测系统潜在风险。文中阐述了主动配电网中态势感知技术的意义与概念,构建了其基本构架,并对态势觉察、态势理解与态势预测的研究进程、研究难点和未来研究方向进行了详细梳理与总结。

基于Q学习加权融合的无模型自适应参数寻优

无模型自适应控制算法作为一种数据驱动算法,具有计算量小,无需系统精确模型,易于实现等特点。为使传统无模型自适应控制算法具有更好的控制性能,提出了一种使用Q学习对控制参数进行优化的改进无模型自适应控制方法。在此基础上,采用加权融合的方式对伪偏导数的取值优化,使其具有更好的鲁棒性。然后采用跟踪-微分器对输出数据进行滤波处理,并通过仿真进行上述方法的可行性验证。仿真结果表明,对比传统无模型自适应控制,上述方法更具有良好的控制性能和响应速度。

面向安全高效运行的重载列车智能操控关键技术

面向我国重载铁路自动化和智能化发展以及重载铁路运输需求持续增长对既有列车运行控制带来的严峻挑战,文章围绕重载列车智能操控关键技术展开了研究现状介绍,并分析了目前亟待解决的难题与未来发展趋势。首先,针对列车纵向动力学建模,已有研究多考虑单一环境、固定工况下机理建模及分析,难以精确表征列车运行过程中的内、外部参数时空渐变特性,因此,在已有机理模型基础上考虑未建模动态,并进行降阶等效是未来一个重要研究方向。其次,长编组列车车辆间非线性强耦合特性、空气制动特性对列车运行过程中纵向冲动的影响依旧为重载列车操纵优化带来了巨大的挑战,借鉴高速列车多车协同控制技术,研究考虑主动抑制纵向冲动的重载列车多机车分布式协同控制具有重要意义。最后,结合数据驱动与人工智能算法、多源信息融合等新兴技术分析了列车控制领域一些新的机遇,而耦合仿真平台与评估体系的搭建也将成为重载列车安全运行分析、评估与优化的一种有效途径。

虚实特征融合与数据-机理驱动的变压器绕组小样本故障诊断

针对变压器绕组诊断的小样本场景,提出一种虚实特征融合的数据-机理驱动方法,通过引入仿真模型弥补实际样本特征不足的问题。提出虚实特征融合方法的原理,推导其基本公式,构建虚实特征融合的小样本故障诊断框架。搭建变压器绕组故障测试实验平台,采集包含不同故障位置、故障类型、故障程度的测试实验样本集,同时获得仿真模拟虚拟数据集。对比试验表明,所提数据-机理融合方法对多种智能算法在不同小样本程度下的诊断性能均有提升效果:在小样本程度为30%的小样本场景下,基于所提方法的平均诊断准确率提高了27.1%。针对虚实数据相似度对诊断结果的影响进行了探讨。

变电站数字孪生框架构建与关键技术研究

在工业5.0的背景下,数字孪生作为一项重要的数字技术,在提升电力系统感知、决策及控制能力方面具有潜在的巨大价值。然而,该项技术相关研究与应用还处于发展阶段,亟需突破适应电力行业特殊性的数字孪生关键技术。通过调研分析数字孪生变电站发展现状,文中系统总结了变电站数字孪生技术面临的主要问题与挑战,针对性地提出了数字孪生支撑数字化变电站转型的总体技术路线——“挖掘典型场景、规范系统架构、推进数据融合、建立评估模型”,分析了变电站数字孪生关键技术及预期成效,有望在数字化交付、智能巡检、辅助决策、风险管控等方面推进数字化变电站深入转型。

未知复杂环境下基于兴趣驱动的类脑自主导航技术

随着无人系统的应用越发广泛,传统导航技术很难满足无人系统在面对复杂任务和未知环境时对自主智能导航性能的要求。哺乳动物能够在兴趣驱动下实现高效智能且自适应环境的导航行为,受此启发的基于兴趣驱动的类脑自主导航技术有潜力克服传统导航实时、准确和低功耗不能同时满足的缺点。本文首先阐述了哺乳动物大脑导航机理;其次,总结概括出基于兴趣驱动的类脑自主导航技术框架;再次,从自身感知、环境认知、记忆推理和兴趣决策4个方面梳理了类脑自主导航的关键技术和实现途径,指出了相关研究的缺陷;最后,分析了现阶段类脑自主导航技术的不足,并对未来一体化发展做出展望。

数字孪生消防救援技术系统架构及关键技术分析

为提高消防救援人员安全保障能力,提升救援工作效率,综合运用新一代信息技术,将数字孪生技术应用到消防救援技术中。首先,分析消防救援人员在灭火救援过程中所面临的危险;然后,提出数字孪生消防救援技术的概念内涵,并分析数字孪生消防救援技术的特点,进而提出数字孪生消防救援技术的5层系统架构,以及适合救援过程的系统架构聚合和拓展方法;最后,明确数字孪生消防救援关键技术,主要包括高精度低时延移动定位技术、多层次多视图数字线程技术以及多维度救援数据驱动建模技术等。结果表明:数字孪生消防救援技术能够提高消防救援人员的安全保障能力和救援工作的效率。通过实时数据交互和信息融合,数字孪生消防救援技术全面集成孪生数据,为救援行动提供更精确的决策支持。数字孪生消防救援技术的5层系统架构及关键技术有效连接物理实体与虚拟实体,实现数字孪生体的聚合和拓展,可以为数字孪生消防救援的应用提供有力支撑。

自驱动关节臂坐标测量机轨迹在线控制模型

为了提高自驱动关节臂坐标测量机的控制精度,需要研究其轨迹控制方法,提出基于特征融合的自驱动关节臂坐标测量机轨迹在线控制模型。利用机器人(Denavit Havtenbery,DH)法构建自驱动关节臂坐标测量机的DH模型,对坐标测量机的运动学展开分析,提取多个关节臂坐标测量机的轨迹特征,融合上述特征,获得测量机在工作状态下的轨迹变化情况,最后通过笛卡尔空间根据轨迹特征构建轨迹在线控制模型,完成自驱动关节臂坐标测量机的轨迹控制。实验结果表明,所提方法的关节角度跟踪精度高、轨迹控制误差小。

融合正逆程特征的GRU神经网络关节迟滞特性建模研究

针对未配置负载转矩传感器的低成本轻型工业机器人柔性关节复杂迟滞特性的高精度建模问题,文章以电机驱动电流间接反映负载转矩的变化,采用驱动电流-扭转角之间的关系描述柔性关节迟滞特性,提出了一种融合正、逆程特征的GRU神经网络迟滞模型。将关节迟滞特性中正、逆程特有的特征融入GRU神经网络迟滞模型中,利用基于卡尔曼滤波的电流增量,提取正程和逆程的特征,描述电流-扭转角迟滞特性中正、逆程所表现出的多值特性。将历史预测结果作为新信息输入模型,构造具有记忆能力和非线性映射能力的动态GRU神经网络迟滞模型。实验结果验证了所提出的柔性关节迟滞模型具有良好的预测能力和较高的模型精度。

数据—物理融合驱动的含新能源电网短路电流超标评估策略

目前含新能源电网短路电流超标问题日益严重,因其状态变化更快、幅度更大,离线的短路电流超标分析可能无法穷尽超标场景,在线实时分析具有相当的必要性。考虑到主流物理模型计算方法难以满足在线计算速度需求,更快速的计算具有重大意义,因此,提出一种数据—物理融合驱动的短路电流超标评估策略。首先,在分析影响短路电流主要因素的基础上,为了提高计算速度,将原先特征降维为仅考虑负荷的影响,再结合最优潮流及随机模拟生成大量样本集合,通过机器学习算法训练得出数据驱动模型,在此基础上,使用漏检率和误检率对数据模型进行阈值整定;然后,利用数据驱动模型初步筛选短路电流超标场景;最后,通过最新研究中所提理论物理模型对初筛后的短路电流场景进行高精度校验,并在含光伏电源的IEEE 39节点模型上进行验证。仿真结果表明:该策略可在确保不遗漏超标短路电流场景的前提下有效提升校验速度。