Scheme of long distance power supply for electrified railway traction network based on traction cable

Purpose–The traction cable is paralleled with the existing traction network of electrified railway through transverse connecting line to form the scheme of long distance power supply for the traction network.This paper aims to study the scheme composition and power supply distance(PSD)of the scheme.Design/methodology/approach–Based on the structure of parallel traction network(referred to as“cable traction network(CTN)”),the power supply modes(PSMs)are divided into cableþdirect PSM and cableþautotransformer(AT)PSM(including Japanese mode,French mode and new mode).Taking cableþJapanese AT PSM as an example,the scheme of long distance power supply for CTN under the PSMs of co-phase and out-of-phase power supply are designed.On the basis of establishing the equivalent circuit model and the chain circuit model of CTN,taking the train working voltage as the constraint condition,and based on the power flow calculation of multiple train loads,the calculation formula and process for determining the PSD of CTN are given.The impedance and PSD of CTN under the cableþAT PSM are simulated and analyzed,and a certain line is taken as an example to compare the scheme design.Findings–Results show that the equivalent impedance of CTN under the cableþAT PSM is smaller,and the PSD is about 2.5 times of that under the AT PSM,which can effectively increase the PSD and the flexibility of external power supply location.Originality/value–The research content can effectively improve the PSD of traction power supply system and has important reference value for the engineering application of the scheme.

确定性光传输支撑广域长距算力互联

高性能算力产业的需求随着人工智能应用的普及和不断发展而持续增加,出现了越来越多的算力协同场景。介绍了算力互联、数据传输中,影响RDMA长距吞吐量的因素,提出了超大带宽及确定性体验的网络解决方案,以实现高性能算力互联。

Broadband IP Stream Transmission Experiments over Global and Long Distance Networks

Super High Definition (SHD) movies were successfully transmitted as streaming contents at about 300 Mbps for the first time over a long distance IP network (more than 3,000 km), in conjunction with the experimental verification of traffic control and scalable multicast technologies.

基于LSTM-WGAN的时间序列数据异常检测

在时序数据中发现隐藏的异常行为或事件,可以保障生产安全,具有重要意义。目前的异常检测模型存在训练不稳定、容易产生梯度消失的问题,影响异常检测效果,针对该问题,提出一种LSTM-WGAN模型,WGAN负责捕获变量之间的潜在关联,进一步提升了LSTM的检测能力。同时,以Wasserstein距离代替交叉熵损失训练判别器和生成器,结合重构损失以及判别损失实现异常检测。在NAB公开数据集上的实验结果表明LSTM-WGAN相较于基准模型在准确率、召回率以及F1得分上都有较大幅度的提升。

基于双向长短期记忆生成对抗网络的电力系统次同步振荡数据生成方法

针对实际工程中次同步振荡数据缺乏的问题,提出1种基于双向长短期记忆生成对抗网络的电力系统次同步振荡数据生成方法。首先,将双向长短期记忆(BiLSTM)网络引入生成模型和判别模型,充分挖掘振荡数据正向和反向的时间序列信息;然后,将Wasserstein距离引入生成式对抗网络(GAN)模型,解决训练不稳定的问题;最后,提出基于动态时间规整(DTW)的相似性指标及基于频域分析的振荡模态真实性指标,以衡量生成样本质量。算例分析表明,所提方法生成的数据符合振荡数据的特性,且在数据真实性方面具有一定优势。

基于Bi-LSTM神经网络的短文本敏感词识别方法

为了准确识别与处理敏感词,针对分词时延较高、识别精度较低的问题,提出基于双向长短期记忆(Bi-LSTM)神经网络的短文本敏感词识别方法。分析敏感词库,将敏感词库划分为两大类、三个等级,预处理短文本干扰信息(特殊字符、繁体字与拆分汉字),引入Bi-LSTM神经网络构建短文本分词模型,二次训练确定最佳参数,反复计算词语的敏感性数值,通过敏感性对比函数,提取短文本敏感词,并匹配敏感词库,确定敏感词的类别与等级,实现短文本敏感词识别。实验结果表明:在不同实验组别下,应用本文方法获得的短文本分词时延均低于给定最大限值,短文本敏感词识别精度高于84.42%,应用性能较佳。

水网地区大口径及大壁厚管道项目管理创新实践

在复杂的水网地区,大口径及大壁厚管道施工是一项极具挑战的工程。由于地基承载力差、焊接层(道)数多、沉管下沟难度大等特点,传统的施工方法往往难以应对。以中俄东线天然气管道工程(永清—上海)南通—甪直段工程的项目实例,通过作业带清理及运布管施工、全自动焊施工、严控坡口加工钝边厚度、控制管口组对间隙、优化焊接参数、层(道)焊接完成后检查焊接头、增加防潮措施、顶管穿越段冲砂沉管及漂管回拖、沉管下沟等一系列关键工序施工技术的创新实践,形成了一套适用于水网地区大口径及大壁厚管道的施工技术措施,促进了水网地区大口径及大壁厚管道项目建设的顺利开展,也为今后类似的管道施工建设提供了项目管理经验借鉴。

基于长短期记忆模型的跟车距离预测研究

当前不少前向碰撞预警系统以预警距离作为预警的特征量对驾驶人进行预警,因此,提高对跟车距离的预测准度能够直观有效提高该前向碰撞预警系统的预警能力。研究通过驾驶模拟器构建跟车场景,收集了41名驾驶员的跟车行为数据,按照3:1的比例将试验数据划分为训练集和测试集。将驾驶人的跟车距离与速度作为长短期记忆模型的输入,跟车距离作为模型的输出,对驾驶人的跟车距离进行了预测分析研究。结果表明,利用该数据集的模型能够很好的预测驾驶人的跟车行为,泛化性能较好,没有过度拟合现象。并且通过输入不同时间窗口长度的测试集发现,随着测试集长度的降低,预测结果的误差会更大。能够为提高前向碰撞预警系统的精准度提供理论支持,从而增加驾驶员对预警系统的接受度。

涉及长输供热管网的热电联产改造研究

文章以呼和浩特市托克托电厂为例,从电厂的供热潜力、长输供热管网的敷设方案等角度详细分析了涉及长输供热管网的热电联产改造。结果表明:托克托电厂能满足城市的远期供热负荷;传统供热方式与大温差供热方式相结合的综合供热方式更适合该项目;相比于DN1400管道,采用DN1600的输送管道,不仅能节约输送能耗,而且在供热年限内经济性更高;包裹110 mm厚的保温层后,整个管道热损失仅占3%。

融合匹配长短时记忆网络和语法距离的方面级情感分析模型

针对现阶段方面级情感分析(ABSA)存在的方面词与不相关上下文错误匹配以及缺乏语法层面特征的问题,提出一种融合匹配长短时记忆网络(mLSTM)和语法距离的ABSA模型mLSTM-GCN。首先,逐词计算方面词与上下文的关联性,并将得到的注意力权重与上下文表示融合作为mLSTM的输入,从而得到与方面词关联度更高的上下文表示;然后,引入语法距离以获得与方面词语法关联度更高的上下文,从而获取更多的上下文特征来指导方面词的建模,并通过方面掩盖层得到方面表示;最后,结合位置权重、上下文表示以及方面表示来进行信息交互,从而获取用于情感分析的特征。在Twitter、REST14和LAP14数据集上的实验结果表明,相较于特定方面的图卷积网络(ASGCN),mLSTM-GCN的准确率分别提升1.32、2.50和1.63个百分点,宏平均F1分别提升2.52、2.19和1.64个百分点。可见,mLSTM-GCN能够有效降低方面词与不相关上下文错误匹配的概率,提升分类效果。

基于脱靶量预测的飞行器反拦截机动方法

随着反导拦截技术的迅猛发展,高速滑翔式飞行器末段的生存能力受到日益严峻的考验,针对此问题提出了一种基于长短期记忆网络(long short-term memory,LSTM)的飞行器反拦截机动方法,事先规定好飞行器的机动方式,将飞行器的规避机动问题简化为机动时机选择问题。随后,以状态时间序列-拦截脱靶量为样本构建训练集,利用LSTM网络对两者的非线性映射关系进行学习。最后,利用该网络在飞行中对拦截脱靶量进行实时预测,借此进行突防时机的选择。从不同状态时序长度,不同LSTM神经元个数和不同传感器噪声水平三方面对该方法的性能进行了仿真验证和对比评价,结果表明:相比于传统的正弦、方波机动,所提机动方法能使飞行器生存概率显著提高,同时显著提高落速,具有一定的工程应用价值。

融合多源数据输入具有自注意力机制的LSTM股票价格预测

股票价格预测是金融和计算机学科交叉领域的经典问题,由于股票市场的复杂性和高波动性等特征,及时预测股票价格被认为是最具挑战性的问题之一.长短期记忆(LSTM)神经网络在时间序列预测问题中表现出良好的性能.然而,该模型及其改进模型专注于顺序捕获序列信息,在学习输入数据之间非序列性的内部关联方面没有优势.此外,模型在输入数据的融合方面往往并不全面.针对上述问题,提出了融合多源数据、具有自注意力机制的长短期记忆神经网络(SA-LSTM)股票价格预测模型.SA-LSTM模型具有自注意力单元,在学习序列特征时能够快速捕获长距离依赖关系,有效学习数据之间的相关性.在多源数据的融合方面,同时融合与目标股票直接间接相关的数据,解决输入数据不全面的问题.通过对股票次日收盘价预测的实验表明,与其他基准预测模型相比,该模型取得了最佳性能,在不同数据集上均具有最小预测误差.

采用长距离依赖和多尺度表达的轻量化车辆检测

基于深度学习的车辆检测在众多领域发挥着至关重要的作用,是近年来计算机视觉的一个重要发展方向。车辆轻量化检测包含了对网络结构和计算效率的探索,并在智慧交通等诸多领域都得以广泛应用。然而在诸多场景下存在相机中车辆目标尺度变化大、车辆相互遮挡等问题,这些情况会影响到网络检测车辆的精度。针对上述问题,提出改进Yolov5s的车辆检测方法。首先通过视觉注意力网络捕获长距离依赖,对原有特征图施加新的权重,增强自适应性,提升网络的抗遮挡能力;接着在残差模块内部再次构造水平方向残差,在一个模块内部构建相同数量、不同大小感受野的特征图,丰富网络的多尺度表达能力。实验结果表明:改进后的网络在Pascal VOC车辆数据集上提供2.1%mAP性能提升,在MS COCO车辆数据集上提供1.7%mAP性能提升。改进后网络的多尺度表达能力更加出色,且抗遮挡能力更强,与原始网络相比检测结果更具有竞争力。

基于自注意力和长短期记忆网络的管制信息抽取模型

管制指令的正确理解对飞行安全具有重要意义,从指令中提取管制信息有助于管制员的理解。为实现管制信息的自动提取,提出了一种新的管制信息抽取模型。模型基于自注意力和长短期记忆网络,将管制指令转换成标签序列,并学习标签之间的长距离依赖性,实现管制信息的精确抽取。通过试验可知,新模型对管制信息的抽取精度不低于97%。由此可见,新模型可赋予计算机对管制信息的自动提取能力,辅助管制员工作,保障飞行安全。

基于SNN-LSTM的小样本数据下轴承故障诊断方法

基于深度学习的故障诊断方法的实现,需要用到大量的、有标注的训练样本,而在小样本数据下,采用这些方法会产生模型欠拟合问题,同时获得的分类准确率也较低。为了解决上述问题,提出了一种小样本数据下结合孪生神经网络(SNN)与长短时记忆网络(LSTM)的轴承故障诊断方法。首先,以一对带有正负标签的原始振动信号样本作为诊断方法的输入,采用比较二者相似度的方法,扩充了训练样本个数;然后,采用共享提取样本对特征网络参数的方法,完成了SNN的搭建过程;使用卷积层、池化层及LSTM层提取了原始振动信号的特征,通过计算二者之间的曼哈顿距离,判断输入样本对的相似度,对不同状态下的轴承完成了分类;最后,为了验证基于SNN-LSTM的故障诊断方法在轴承故障诊断中的有效性,通过轴承故障诊断实验,采集了在不同转速、不同状态下的轴承振动信号数据。研究结果表明:当样本数量仅为140个,采用基于SNN-LSTM的故障诊断方法的准确率达到80.57%,相比于深度学习经典方法,在小样本数据下采用该方法具有更高的诊断准确率。

基于生成对抗网络的离心泵时序数据异常检测

针对离心泵数据采集的过程中存在异常数据的问题,对产生异常数据的原因、生成对抗网络的优化以及异常数据检测的方法等问题进行了研究,提出了一种基于生成对抗网络的离心泵时序数据异常检测方法(该方法可以优化生成对抗网络,解决梯度消失问题)。首先,使用长短期记忆神经网络(LSTM),建立了生成对抗网络(GAN)框架中的基础模型,增强了捕获数据分布的时间相关性;并采用Wasserstein距离方法,解决了梯度消失的问题;然后,搭建了离心泵异常数据检测试验台,对离心泵运行时的数据进行了采集,分析了造成异常数据的原因;最后,基于正常数据训练数据,生成了对抗网络的生成器和判别器,并利用重构损失与判别损失构建了检测阈值,对异常数据进行了检测。研究结果表明:GAN在离心泵数据异常检测中的表现皆优于孤立森林、自编码器(AE)、K-Means等算法;基于生成对抗网络的离心泵异常数据检测精确率可达到89.5%,能够有效检测出异常数据,可达到优化数据库和提高旋转机械故障诊断精度的目的。该研究结果可以为离心泵的异常数据检测提供参考。

适用于远距离通信的城市轨道交通区间跟随所干式变压器本体智能终端开发的关键技术

目的:传统干式变压器温度控制器信号传输采用干接点方式,存在干扰严重、造价成本高、施工复杂及需增设电源供电等缺点,可靠性和安全性较差,难以满足远距离信号传输的需求,需要对适用于远距离通信的干式变压器本体智能终端(以下简称“智能终端”)进行研究。方法:列举了适用于长大区间(站间距大于4 km)通信干式变压器的3个技术方案,分别为方案一(传统“硬接线+中间继电器”)、方案二(硬接点转光信号传输)及方案三(基于IEC 61850系列标准的光纤通信),并对这3个方案进行了技术对比。在此基础上进一步分析了实施方案三所需的软硬件要求,以及方案三的组网方式及数据流向,介绍了基于方案三的智能终端开发的关键技术。最后以我国某城市轨道交通线路为例,对方案三的工程应用进行了验证。结果及结论:基于长大区间城市轨道交通线路的远距离信号传输要求,应优先选择方案三。由案例线路的测试结果可知:基于方案三的智能终端不仅能有效传输信号,满足供电系统安全运行要求,节省建设成本,还能显著提升干式变压器的智能化水平。光纤传输具有延时小、造价低、传输节点少和不受电磁干扰等优势,将成为未来城市轨道交通信号传输的主流模式。

中长途快速客运网络的空间格局和结构特征分析

高速铁路和民航已成为中国旅客中长途出行的主要交通方式。运用复杂网络理论,依据现有的中国高速铁路运营网络与民航国内航线网络构建中长途快速客运网络,并对该网络的空间格局及演化过程、拓扑结构特征和鲁棒性进行分析,以期为我国布局结构合理、衔接顺畅且高效便捷的客运交通网络提供参考。研究结果表明:中长途快速客运网络近年来处于快速发展阶段,覆盖范围不断扩大;网络通达性较强,拓扑特征表现为小世界效应和无标度特性;网络的鲁棒性随年份而增强,且应对随机攻击的鲁棒性高于蓄意攻击。建议今后应精益规划中长途快速客运网络,加强对枢纽节点的保护,对网络中各城市节点功能设定精准定位,并制定区域差异化的中长途快速客运空间布局规划。

基于改进马氏距离的分布式能源电站设备健康度研究

分布式能源电站以其清洁环保、经济高效得到快速发展,但其电站设备用于故障诊断的数据较少,目前急需一种能够预测设备运行健康状态和老化程度的方法。基于此,提出一种能够分析设备运行状态、获取设备劣化演变趋势的预测模型。首先将设备多维数据进行预处理,采用层次分析法与高斯混合分布相结合,定量地构建一种基于改进马氏距离的分布式能源电站设备健康度模型;然后建立基于改进麻雀算法和长短时记忆神经网络的组合预测模型,对分布式能源电站设备的劣化情况做趋势预测及相关分析。实验结果表明,所提出的融合健康度模型在分布式能源电站实际故障数据不足的情况下,能够在设备出现异常时做出预测。

大管径长输热网特殊节点处理及保温管道设计

以某长输供热管网工程为主要研究对象,分析长输热网特殊节点处理和保温管道设计,管道特殊节点主要包括河流节点、穿越城市道路、铁路等环境;而保温管道设计主要有外保护层、保温层制造工艺选择、壁厚选型、工作管钢材选型等环节组成。基于此,合理控制管道材料、钢管壁厚、应力计算等,增加管道的保温性能。试验表明:当管道材料高于DN250、敷设方式选择直埋方式时,能有效控制钢板滑动支架和阀门表面温度,延长管道使用年限。