透明治理:数据驱动的权力监督的内在逻辑

数据驱动的权力监督的本质是利用系统化的数据收集、处理和展示来实现透明治理。然而,既有研究较少提及这种透明性的深层次内涵。数据驱动的新型权力监督的技术透明性体现为具身的透明性“(人—技术)→世界”和诠释学的透明性“人→(技术—世界)”的双重逻辑。技术的透明性亦会发展到使世界与行为体疏离的状态以至于形成它异关系。要确保数据驱动权力监督发挥成效,就须将治理价值观融入提升透明性的技术和工具中,将具身透明性与诠释学透明性结合起来,以便制定不同的优化策略。数据驱动权力监督带来的透明性有望为权力监督中国式新范式的创建提供答案。

考虑大规模风光分层接入的配电网多层协调无功优化方法

大量风光新能源分层、多点接入给配电网运行带来了电压越限等负面影响,增加了不同电压等级无功协同优化的难度。兼顾不同电压等级调节需求,从模型降维等值的角度,提出了基于等值模型的配电网多层协调无功优化方法。该方法分别针对含有无功调节设备及没有无功调节设备的两种台区系统,利用神经网络对大量台区相关运行数据进行训练得到台区拟合模型,形成不可控和可控两种类型的台区等值模型,并用这两类拟合模型分别代替两类台区系统的物理模型,使台区以数据驱动的方式参与配电网无功优化,形成馈线物理模型和台区拟合模型组成的单一电压等级物数混合优化调度模型。将原多层无功优化问题转换为单层系统优化问题,再对该单层系统无功优化调度问题进行求解。该方法可降低配电网系统优化计算规模,从而减小计算量,以无功优化数学模型与数据驱动方法相结合的方式,实现配电网馈线-台区多层协调无功优化。通过算例验证了所提方法对于解决分布式风光分层接入所导致电压越限问题的可行性、有效性和优越性,能够保障配电网的经济安全稳定运行。

基于数据驱动的配电网无功优化

传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。

农业强国:理论与经验证据

农业强国是实现乡村振兴战略和中国社会经济可持续发展的关键。为此,本文一方面从理论层面系统且全面阐释了农业基础论向农业强国论的转变,充分体现了农业在中国式现代化进程中所扮演的重要角色。另一方面,基于中国国家层面的宏观统计数据,不仅利用农业的产品、市场、要素与外汇四大经济贡献论证了农业是可以实现强国的;而且分别从农业的后向关联、前向关联与行业波及效应视角进一步验证了农业带动是如何实现农业强国的。同时,本文强调加快推进农业强国建设的步伐,务必要充分发挥出农产品加工作为农业强国的重要拉力、农业科技创新作为农业强国的驱动力、农业要素市场化改革作为农业强国的新动能以及农民收入增长作为农业强国的基石等的重要作用。

项目驱动教学法在“电力电子技术”教学中的应用——以“电场式无线输电”为例

目的:面向新工科背景下的育人要求,引入电场式无线输电项目,探究项目驱动教学法在《电力电子技术》教学课堂的应用。方法:教师讲解电场式无线输电项目传输原理后,将电场式无线输电项目中前级电路和后级电路拆解为逆变电路和整流电路,学生结合《电力电子技术》课堂内容自主搭建电路并进行仿真,在完成逆变电路和整流电路搭建后,教师指导学生尝试搭建电场式无线输电结构电路,得出传输结果。结果:全体学生均完成逆变电路和整流电路的搭建,其中70%左右的学生完成了电场式无线输电结构的搭建和仿真。结论:从学生的课堂表现和课后作业完成情况看,项目驱动教学法极大地提高了学生的学习兴趣,学生主动参与项目,不仅增强了学生的动手能力,还提高了学生的创新能力。

超密集网络中基于多基站博弈均衡的分布式无线资源管理算法

移动边缘计算和超密集网络技术在扩大移动设备计算能力和增加网络容量方面有明显的优势.然而,在两者融合的场景下,如何有效降低基站之间的同信道干扰,减少任务传输的时延和能耗是一个重要研究课题.本文设计了一个基于多基站博弈均衡的分布式无线资源管理算法.将小基站之间的无线资源管理问题转化为博弈问题,提出一种基于奖励驱动的策略选择算法.基站通过迭代不断更新其策略的选择概率,最终优化子信道分配和发射功率的调控.仿真结果表明,我们的算法在提高信道利用率和降低任务处理的时延和能耗方面具有优势.

数据与知识联合驱动的人工智能方法在电力调度中的应用综述

数据与知识联合驱动的人工智能方法是利用数据驱动和知识驱动各自优势、取长补短形成的一种更优的联合方法。文中对联合驱动方法的特点和现状进行了分析,并对其电力调度重点应用场景进行了分类统计。总结了各类场景中联合方法的创新性、相较于单一方法的提升以及应用优势。归纳出了电力调度数据与知识联合驱动方法的3种联合建模方式:数据驱动优化知识驱动、知识驱动辅助数据驱动、数据驱动与知识驱动混合模式。最后,从准确性和高效性的平衡、有效性、可靠性等5个维度讨论了联合建模时存在的挑战性问题,对联合驱动方法在电力调度中的适用场景进行了总结及展望。

基于有限元分析的动力驱动耙的设计与试验

鉴于花生种植的土壤必须具备耕层深、土壤疏松、地面平整等特点,而旋耕机将土壤粉碎后不利于土壤保墒且耕深仅为8~15cm,为使翻耕后的土壤适合花生栽培,设计了1BQ-3动力驱动耙。为提高耙地工作稳定性,动力耙传动采用框架式齿轮箱多齿轮啮合传动方式,主要工作部件包括驱动耙碎土机构、传动机构、镇压机构和机架。对动力耙耙刀进行了运动学和动力学分析,探究了影响耙刀碎土切削阻力的主要因素,确定耙刀的滑切角为30°,并对动力耙耙刀等关键部件进行了重点设计。通过有限元分析,得出动力耙耙刀的最大应力、位移量、平均变形量。在青岛农业大学胶州试验基地进行田间试验,结果表明:在前进速度为2m/s、耙刀转速为300r/min时,耙刀碎土率为91.78%,耕深均值为26.3cm,可满足花生整地深度25cm以上的农艺要求及国家标准与花生栽植要求。

幂律流体顶盖驱动流中的颗粒运动

采用扩散界面格子Boltzmann模型研究了圆形颗粒在幂律流体方腔流中的运动,重点分析了初始位置、幂律指数、颗粒大小对圆形颗粒在幂律流体顶盖驱动流中的运动的影响.数值结果表明不同初始位置的圆形颗粒最终均能稳定在极限环上运动.不同幂律指数的幂律流体对圆形颗粒运动的极限环有明显影响,对于剪切增稠流体,颗粒的运动速度明显增大,极限环半径明显缩小;对于剪切稀化流体,左下角和右下角的次级涡收缩,极限环向方腔的右下角移动.圆形颗粒较小时,颗粒的运动速度较快,运动半径较大,运动轨迹更接近流体的流线;圆形颗粒较大时,受到边界的限制,极限环半径较小,运动速度较慢.此外,还讨论了颗粒对顶盖驱动流主涡涡心位置的影响,颗粒会将主涡涡心推向远离颗粒的方向.

基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估

针对现有数据驱动的电力系统暂态评估方法依赖大规模数据集且可解释性不足的问题,文中将物理知识嵌入传统数据驱动方法,提出一种基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估方法。该方法考虑大规模风电并网的电力系统,将电力系统暂态稳定物理方程内嵌至神经网络损失函数,通过神经网络直接逼近物理过程,使输出结果满足物理规律,提高暂态稳定评估的可靠性与可解释性。通过数据与知识双驱动,所提方法不依赖大规模训练数据集,依然具有较好的鲁棒性与泛化能力。此外,所提方法通过卷积神经网络进行特征提取与降维,解决拓扑数据无法直接作为神经网络输入的难题。在含风机的IEEE 9节点和IEEE 39节点测试系统上的实验结果表明,所提方法在准确率、计算效率、泛化能力等方面相较现有方法有显著提升。

新能源汽车动力电池及管理技术课程教学设计与实施

为培养新能源汽车后市场急需的高素质技术技能型人才,针对新能源汽车技术专业教学过程与生产过程脱节、教学内容与工作内容不匹配的问题,以新能源汽车技术专业核心课新能源汽车动力电池及管理技术课程为例,对该课程进行了整体教学设计并在新能源汽车技术专业中应用。根据岗位能力需求、课程标准、“1+X”证书考核标准确定教学目标,重构课程内容,在分析学生学情的基础上,充分利用校企优势资源因材施教。以企业真实的生产任务为教学载体,基于问题导向,采用任务驱动教学法,通过“三阶段七环节”实施教学。通过多元化、多维度、过程性评价促进学生能力全面提升。

基于暂态关键特征逻辑推理的复杂电网响应驱动暂态稳定性判别

暂态稳定实时性判别是响应式稳定控制的核心,新能源和直流输电并网下电网的结构、运行和响应特征复杂程度骤增,现有实时性判别方法的准确性和泛化性面临挑战。该文针对含新能源和直流输电的复杂电网暂态稳定性,提出了一种基于可量测暂态能量特征的自适应逻辑推理判稳方法,实现无电网模型依赖且具有可解释性的实时性稳定性判别。首先,基于发电机转子运动的能量关系,结合特勒根定理构建了面向复杂电网响应信息的能量函数并论证了其守恒性;然后,根据系统动能-势能能量转换特征定义了稳定预判因数,并结合最大功角差构成了判稳关键特征量,提出了基于自适应模糊推理神经网络(ANFIS)的关键特征量与稳定状态之间的映射模型,实现了暂态稳定性实时推理评估;最后,在简单系统中量化分析了关键特征量与系统稳定性间的关系,并在修改后含新能源与直流输电的IEEE10机39节点系统中验证了该文所提方法的有效性与泛化性。

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。

基于支持向量回归数据驱动的配电网潮流回归

随着大量分布式电源接入配电网,配电网潮流分布由原来的单向流动转为双向流动,配电网潮流分布不均、电压越限等问题频现,研究适用于主动配电网的潮流计算更为重要.由于中低压配电网电气参数往往收集不到,量测系统也不如输电网完备,开关动作导致的拓扑变化难以实时反映到监控系统.实践中难以将基于导纳矩阵的输电网潮流方法应用到中低压配电网中.鉴于此,本文提出一种数据驱动的潮流线性回归模型,以实现不依赖于配电网物理模型的潮流计算与分析.首先建立不同类型的母线已知量与未知量的映射关系;其次,进一步推导该模型母线类型变换的更新方式;然后构建基于支持向量回归(support vector regression,SVR)的潮流回归模型,通过嵌入高斯核函数以及对样本进行聚类更好地拟合潮流的非线性;最后,在多个IEEE标准系统和改进的IEEE33节点系统仿真验证了所提方法的有效性.

电力信息物理系统跨域攻击协同防御架构及机制研究

我国电力基础设施已经发展成为具有高度信息化、自动化、智能化特征的信息物理融合系统.信息-物理交互在显著提升电力供给效率和性能的同时,也引入了新型网络安全威胁,通过发生于信息域并明确作用于物理域的跨域攻击,可造成电力基础设施系统性瘫痪,继而引发大面积停电事故,而当前孤立的信息侧或物理侧防御体系难以有效应对跨域攻击威胁.本文介绍了电力系统面临的信息物理跨域攻击威胁现状,分析了传统防御方法面对跨域攻击时存在的不足,提出了一种信息物理协同的跨域攻击防御架构,在针对跨域攻击传播的不同阶段,从感知、辨识、阻断三个角度设计了防御方法,通过算例验证了所提信息物理协同防御架构能够有效保障电力系统安全稳定运行.

刑事诉讼程序的必要迟延

诉讼进程的“妥速”包括了快速审判和必要迟延两个方面,然而理论界和实务界都对快速审判给予了高度关注,却忽视了必要迟延的价值。必要迟延来源于公正审判,并可进一步细分为权力推进型、权利保障型、合意型三类。我国刑事诉讼法中的必要迟延存在着权力主导型迟延必要性不足、缺乏迟延的权利保障意识、合意型迟延的价值未被充分挖掘等问题。相应地,应从规制、确权、扩容三个方面进行制度完善,包括修改完善非必要迟延条文、规定明确的迟延条件和迟延时间、赋予当事人申请复议复核的救济权利,重建正当事由型迟延制度、明确规定最短诉讼期间、建立必要迟延权利实现的保障制度,扩大附条件不起诉的适用范围、增加暂缓判决制度。

基于数据驱动的低感知度配电网动态无功优化

由于配电网网络通信基础设施较差,且节点监控覆盖不完全,因此存在无法实时采集数据的节点,导致无法进行传统无功优化。为此,提出了一种数据驱动的低感知度配电网动态无功优化方法。通过K-means算法聚类节点历史负荷,对非实时观测节点依据特征分类;选择最优超参数基于时间卷积网络进行量测数据补全;最终通过改进后的社交网络搜索算法实现动态无功优化,并仿真验证了方法的有效性。

基于递推子空间的机组数字孪生模型预测精度优化方法

由于机理分析的简化假设条件或设备实际运行中参数特性偏移等因素,导致机理建模不可避免存在模型误差。针对该问题,提出一种基于递推子空间的火电机组数字孪生模型预测精度优化方法。分析机组关键设备的运行机制,结合典型工况小样本数据,建立火电机组的全设备多工况非线性动态机理模型,确保数字孪生系统模型具有较好的可解释性与泛化性能;基于递推子空间辨识方法,建立预测精度优化模型并实时进行在线更新,补偿机理模型产生的误差,提高整体模型的预测精度,保证数字孪生模型的高保真性。仿真实验验证了所提方法的有效性。

融合K-means聚类和序列分解的实车锂电池剩余使用寿命预测

电动汽车锂离子动力电池健康状态(SOH)衰退过程受使用工况影响存在较多波动,导致模型预测精度下降,在锂电池剩余使用寿命(RUL)短期预测时,SOH波动情况不可忽略,为了准确预测SOH短期内波动情况,须从实车上传的锂电池运行数据中提取有效的健康因子。本文建立一种联合分布特征输入和序列分解融合的锂电池RUL预测方法,使用K-means聚类方法构建车辆锂电池运行过程的联合分布特征,并通过S-G滤波器对SOH衰退曲线进行序列分解,分别使用长短时记忆神经网络(LSTM)和多层感知机(MLP)对趋势部分和波动部分进行预测,融合得到最终预测结果。理论分析和实车采集数据验证表明,融合模型可以在预测车辆锂电池RUL短期衰退趋势的同时预测SOH的波动情况,有较高的短期预测精度。

考虑初始风速与机端故障稳态电压跌落程度的直驱风机故障响应特性分类及其判别方法研究

对电力系统进行安全分析时,往往需要对各种预想场景进行仿真。随着风电的大量接入,对风电场提出适用于预想故障分析的等值建模方法变得十分重要,而根据风机故障后的动态特性对其进行分群则是等值建模的基础。各风机在故障后的动态响应特性不仅受其控制方式的影响,还受到运行风速和故障严重程度的影响,而一般情况下风机控制的响应速度较快,可以认为在故障持续期间风机能够运行至故障稳态。基于此,提出考虑初始风速及机端故障稳态电压跌落程度的风电机组故障响应特性分类及判别方法,以此作为风机分群的依据。首先针对永磁直驱风机(direct-driven permanent magnet synchronous generator,PMSG)故障过程中无功优先控制、故障恢复期间有功斜坡恢复的控制策略,分析其在不同风速条件下故障后所有可能的响应特性,将初始风速与故障稳态电压作为分类指标,从机理上找到直驱风机进入各类响应特性的边界条件;然后,提出利用预想故障信息的风机机端故障稳态电压计算方法,在此基础上提出适用于预想故障的直驱风机分群方法;最后,通过对风电场进行详细建模仿真,验证所提分群方法的正确性。