Occam Inversion of Transient Electromagnetic Data in a Layered Medium with Azimuthal Anisotropy

In recent years, the anisotropic study has become a hot topic in the field of electromagnetics. Currently, inversion technologies of transient electromagnetic sounding data are mainly based on the case of an isotropic medium. However, the actual underground electrical structure tends to be complicated and anisotropic. It is often found that the isotropic inversion technologies do not lead to good results for field transient electromagnetic sounding data. We have developed an algorithm for calculating the transient electromagnetic response in a layered medium with azimuthal anisotropy. An occam inversion algorithm has also been implemented to invert the transient electromagnetic data induced by a grounded horizontal electric dipole in a layered medium with azimuthal anisotropy. Synthetic examples demonstrate the stability and validity of the inversion algorithm. Experimental results show different data for inverting have great influence on the inversion results.

定点形变数据中暂态短持时异常信号的检测方法研究

分别将线性叠加及零延迟相乘算法用于人工合成数据中的暂态信号检测实验,对比2种算法在暂态信号识别中的效果。结果表明,将同台多道、多台多道数据进行零延时相乘能够更有效地压制数据中的干扰和噪声,使准同步暂态信号得到放大凸显,实现暂态异常信号的初步检测与识别。在此基础上,利用零延时相乘算法处理2002~2022年云南定点形变观测数据,从中识别出11组暂态短持时信号,并进一步分析信号与云南境内M_(S)5.0以上地震的时空关联性。

多导睡眠监测设备和肠鸣音设备之间数据同步采集方法研究

目的提出一种基于敲击脉冲信号的两个独立设备数据同步采集的方法,以实现数据的同步采集。方法利用多导睡眠监测设备的鼾声传感器与肠鸣音设备相互敲击产生瞬态脉冲信号作为同步标记信号,基于同步标记信号的三阶累积量实现同步标记信号的识别和对齐,并采用多组同步标记信号评价数据同步的精度。结果多导睡眠监测设备的鼾声传感器和肠鸣音设备相互敲击,产生了清晰明确的同步标记脉冲信号,结合时域特征和三阶累积量实现了同步标记信号的精确识别和对齐。经过多组同步标记信号识别验证表明,此种同步方法可保证同步精度范围在5 ms内。结论该数据同步采集方法简单易行,可保证多导睡眠监测设备和肠鸣音设备的高精度同步采集,同时也为其他完全独立的多个设备数据同步采集提供参考。

末次间冰期全球气候瞬变模拟与平衡态模拟的对比研究

采用水平分辨率约1°的地球系统模式CESM,本研究开展了末次间冰期129~124 ka的瞬变模拟试验(TGCS-LIG)和127 ka的平衡态切片模拟试验(127ka-LIG),量化了数值试验方案对模拟的末次间冰期全球气候的影响,以期加深理解造成模拟结果与重建数据之间分歧的可能原因。TGCS-LIG试验和127ka-LIG试验均表明:末次间冰期全球年平均温度较工业革命前低,降温幅度分别为0.4℃和0.2℃;在夏季,北半球升温(1.2/1.5℃),而南半球降温(0.9/0.7℃)。就年降水而言,末次间冰期北半球季风区降水增加,南半球季风区降水减少,但存在显著的区域差异。与重建数据相比,TGCS-LIG试验和127ka-LIG试验的模拟-数据符号一致性与均方根误差均相近,但127ka-LIG试验模拟效果略好。TGCS-LIG试验与重建的全球年平均(夏季)海温符号一致性为34.9%~44.7%(36.8%~42.5%),较127ka-LIG偏差约2%~4%(约5%~7%);均方根误差为2.9~3.2℃(2.9~3.4℃),较127ka-LIG试验偏差小于约0.1℃。对于全球年平均降水,TGCS-LIG试验与重建数据的符号一致性为63.8%,略高于127ka-LIG试验(63.1%)。相较于模拟和重建之间的绝对偏差而言,数值试验方案对于改进两者分歧的作用十分有限。需要注意的是,TGCS-LIG试验表明:末次间冰期全球关键气候模态的年际变率在129~124 ka间存在显著的内部变化,其中ENSO年际变率随时间逐渐增强,北半球环状模与南半球环状模的年际变率呈现千年尺度波动的特征;而127ka-LIG试验无法刻画气候模态的时间演变特征。总之,本文研究结果表明,采用平衡模拟试验或是瞬变模拟试验并不是造成末次间冰期模拟-数据分歧的主要原因,但开展高时空分辨率的瞬变模拟试验对研究末次间冰期气候变率具有重要的科学价值。

Data-Driven Model Identification and Control of the Inertial Systems

In the synthesis of the control algorithm for complex systems, we are often faced with imprecise or unknown mathematical models of the dynamical systems, or even with problems in finding a mathematical model of the system in the open loop. To tackle these difficulties, an approach of data-driven model identification and control algorithm design based on the maximum stability degree criterion is proposed in this paper. The data-driven model identification procedure supposes the finding of the mathematical model of the system based on the undamped transient response of the closed-loop system. The system is approximated with the inertial model, where the coefficients are calculated based on the values of the critical transfer coefficient, oscillation amplitude and period of the underdamped response of the closed-loop system. The data driven control design supposes that the tuning parameters of the controller are calculated based on the parameters obtained from the previous step of system identification and there are presented the expressions for the calculation of the tuning parameters. The obtained results of data-driven model identification and algorithm for synthesis the controller were verified by computer simulation.

基于暂态数据戴维南等值参数辨识的时变广义短路比计算方法

广义短路比能有效反映多馈入直流系统受端交流电网的强度,其计算通常基于直流馈入节点处受端交流电网的戴维南等值导纳矩阵,忽略了交流电网各元件动态对电网强度的影响。本文提出了一种基于暂态数据戴维南等值参数辨识的时变广义短路比计算方法,将隐含系统元件动态特性的端口节点电压与注入端口节点功率作为辨识数据,基于多端口戴维南等值模型与最小二乘法辨识受端交流电网时变导纳矩阵,进而计算出时变广义短路比,准确地反映了系统动态对受端交流电网强度的影响。最后,以单馈入直流系统算例验证了方法的精确性,以某省级电网算例验证了其实用性,分析了负荷动态特性对时变广义短路比的影响。

考虑数据缺失的图注意力网络暂态稳定评估

基于人工智能的暂态稳定评估模型的性能高度依赖于系统的可观测性,而通信延迟和相量测量单元(phasor measurement units,PMU)故障等因素易导致数据缺失,使模型的评估性能下降。针对该问题,提出了一种基于图注意力网络(graph attention network,GAT)的暂态稳定评估模型。首先,根据原始网络拓扑及PMU配置方案获得表征系统可观测性的掩码矩阵,在任意PMU缺失的条件下,利用掩码矩阵训练模型;其次,通过GAT网络的多头注意力机制提取输入节点的时空信息,利用不同的权重聚合目标节点的邻域特征,实现对可观测数据的充分利用;最后,利用焦点损失函数加强模型对失稳样本的学习能力。仿真结果表明,所提方法可以最大限度地利用可观测数据,具有高精度和强鲁棒性,并且不受网络拓扑的限制,易于迁移。

基于数据-模型混合驱动的电力系统机电暂态快速仿真方法

数据驱动建模方法改变了发电机传统的建模范式,导致传统的机电暂态时域仿真方法无法直接应用于新范式下的电力系统。为此,该文提出一种基于数据-模型混合驱动的机电暂态时域仿真(data and physics driven time domain simulation,DPD-TDS)算法。算法中发电机状态变量与节点注入电流通过数据驱动模型推理计算,并通过网络方程完成节点电压计算,两者交替求解完成仿真。算法提出一种混合驱动范式下的网络代数方程组预处理方法,用以改善仿真的收敛性;算法设计一种中央处理器单元-神经网络处理器单元(central processing unit-neural network processing unit,CPU-NPU)异构计算框架以加速仿真,CPU进行机理模型的微分代数方程求解;NPU作协处理器完成数据驱动模型的前向推理。最后在IEEE-39和Polish-2383系统中将部分或全部发电机替换为数据驱动模型进行验证,仿真结果表明,所提出的仿真算法收敛性好,计算速度快,结果准确。

边缘计算下配网暂态数据缓存冲突规避方法

配网暂态数据缓存过程具有随机性,会增加配网暂态数据缓存冲突发生的概率,造成缓存冲突处理时间过长,死亡节点数量较多。为此,提出了边缘计算下配网暂态数据缓存冲突规避方法。压缩配网暂态数据,计算各节点的测量数据,得到冲突区域稀疏度。通过合成过完备字典稀疏空间实现压缩计算,求解各节点暂态数据稀疏系数间的互相关度,与阈值进行比较,完成动态分区。构造暂态数据缓存疏导模式,得到暂态数据缓存冲突的对象集,利用边缘计算得到特征分配模型,分析冲突条件分布状况,建立粗糙集,结合粗糙集映射方法,通过冲突均衡处理,实现暂态数据缓存冲突规避。实验结果表明,基于边缘计算的配网暂态数据缓存冲突规避方法在冲突数量低于600个时,处理时间低于20 s,死亡节点少于11个,具有极好的规避效果。

基于移动作业的电力现场异常智能化稽查方法研究

针对电力现场人工稽查危险性高、准确率低的问题,提出基于移动作业的电力现场异常智能化稽查方法。采集电力电场周围的电流变化数据,根据安倍定律得出电缆内外部形成的环形闭合电流。建立空间三点坐标系,计算电缆在三个方向上闭合电流值,若电流值超出既定阈值,判定周围存在磁场影响。模拟矩形的稽查空间体,在该空间体中计算待稽查点间位置关系,将位置阈值代入到异常判定矩阵中,输出异常信号位置。实验结果表明,所提方法可充分利用电力现场的暂态数据,稽查结果符合现场实际情况,具有适用性强、稽查覆盖范围广、准确率高的优势。

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。

基于随机森林的智能电网多源数据异常检测

智能电网多源数据具有海量化与复杂化特征,导致智能电网多源数据异常检测的难度增加,为此设计基于随机森林的智能电网多源数据异常检测算法。构建随机森林应用模型,根据评估指标选取结果,计算暂态稳定裕度指标的具体数值,实现对智能电网多源数据的暂态稳定性评估。设置Hadoop检测框架,通过求解多源数据负荷特征判断异常值检测系数所属取值范围,完成算法的设计。实验结果表明,异常多源信息的最大传输速率只能达到2.36 MB/ms,而常规数据传输速率却不会受到明显影响,说明设计方法能够有效提升智能电网主机对异常数据的检测能力。

数据驱动的电力系统暂态稳定评估方法综述

快速、准确地识别电力系统暂态稳定态势,是保证大电网安全稳定运行的重要前提。相较于传统物理解析方法,基于数据驱动的电力系统暂态稳定评估技术在解决复杂非线性映射和快速评估方面具有较大的优势,已成为目前电力系统暂态稳定评估技术研究的重要方向。该文首先结合电力系统暂态稳定评估场景需求和通用智能应用框架建立基于数据驱动的暂态稳定评估技术的基本架构,从离线训练、在线应用和反馈更新的维度分析数据驱动下各个流程环节的功能;其次,围绕着数据增强、机器学习算法和学习机制3个方面针对数据驱动技术在电网暂态稳定评估中的应用研究工作进展以及关键技术进行综述,分析不同模型和方法在解决电力系统暂态稳定评估的数据拟合和泛化能力的优势和不足。最后,结合高比例新能源电力系统暂态稳定评估新特点和当前人工智能技术的发展,从数据、模型和应用3个方面对电力系统暂态稳定评估技术的研究方向进行展望,为电网暂态稳定评估数字化和智能化提供技术参考。

基于自适应时间窗的数据-模型融合驱动暂态频率预测

新能源大规模并网使得新型电力系统的暂态频率响应特征更加复杂,现有频率在线预测方法难以兼顾准确性和及时性。基于此,提出基于自适应时间窗的数据-模型融合驱动暂态频率预测方法。首先,基于长短期记忆网络,离线训练多个具有不同长度时序数据输入的频率曲线循环预测模型;其次,利用参数辨识方法离线建立各发电集群的通用等值频率响应模型,在此基础上构建系统有功-频率物理机理快速分析模型;最后,串行融合前述频率曲线循环预测模型与有功-频率物理机理快速分析模型,并提出“可信度量化评估指标”,实时分析在线预测过程中不同评估时刻下预测结果的精度,自适应调整输入时序数据长度,直至预测结果满足要求并输出。含风电的IEEE39节点系统的仿真结果表明,所提方法在不同风电渗透率或不同扰动下均能快速、准确地预测暂态频率响应曲线,相较于其他在线预测方法具有更优的评估性能。

基于多源数据驱动的电力系统暂态稳定性分析方法

【目的】当前,以深度学习为代表的数据驱动方法已广泛应用于电力暂态稳定性分析中。然而,现有研究数据驱动的暂态稳定模型在面对小样本、弱样本等实际场景时,存在泛化能力有限、模型精度不足等问题。为了提高模型的表达能力,提出一种基于运行数据和故障数据的精细化暂态稳定评估方法。【方法】首先,根据电力系统暂态稳定机理模型构建故障时间、故障位置、受扰线路和负荷水平4个故障信息特征。然后,提出并行融合和串行融合两种特征融合方式,实现运行特征和故障特征的统一表达,并对多源特征融合方式对暂态稳定分析模型的影响进行深入分析。【结果】新英格兰系统算例的实验结果表明,基于多源数据混合驱动的暂态稳定分析方法有利于提高暂态稳定评估模型的准确度,在面对小样本、弱样本等实际场景时仍具有较高的准确率。

针对电力系统数据缺失的暂态电压稳定评估方法

针对数据缺失时暂态电压稳定评估模型精度下降的问题,提出一种基于多视图缺失数据填充和门控图神经网络的电力系统暂态电压稳定评估方法。首先,基于多视图互补的时空视图来填充缺失数据,得到完整的数据集;然后,采用修复完整的数据集训练门控图神经网络模型进行暂态电压稳定评估,评估模型要进行快速更新,以提高在线应用的性能;最后,在IEEE39节点系统算例上进行验证所提方法的有效性。仿真结果表明,本文方法可以在任何同步向量测量单元放置信息丢失和网络拓扑变化的情况下及时有效地填补缺失数据,且所用评估模型的评估性能具有显著优势。

Processing and analysis of transient pressure measurements from permanent down-hole gauges

With permanent down-hole gauges （PDGs） widely installed in oilfields around the world in recent years, a continuous stream of transient pressure data in real time is now available, which motivates a new round of research interests in further developing pressure transient processing and analysis techniques. Transient pressure measurements from PDG are characterized by long term and high volume data. These data are recorded under unconstrained circumstances, so effects due to noise, rate fluctuation and interference from other wells cannot be avoided. These effects make the measured pressure trends decline or rise and then obscure or distort the actual flow behavior, which makes subsequent analysis difficult. In this paper, the problems encountered in analysis of PDG transient pressure are investigated. A newly developed workflow for processing and analyzing PDG transient pressure data is proposed. Numerical well testing synthetic studies are performed to demonstrate these procedures. The results prove that this new technique works well and the potential for practical application looks very promising.

基于历史大数据分析的电力负荷区间组合预测系统

为避免电量信号过大导致电力负荷区间内电流暂态载流量出现频繁波动的情况,设计基于历史大数据分析的电力负荷区间组合预测系统。根据电力大数据样本集合定义条件,求解传输电流的暂态负载量与动态负载量,完成基于历史大数据分析的电力负荷统计。优化区域电路连接结构,借助大数据统计模块确定Model终端对于电量信号传输行为的预测能力,实现硬件运行环境搭建。测试结果表明,设计系统可将电流暂态载流量的最大值控制在30.3 A以下,可以解决电流信号频繁波动的问题,满足准确预测电力负荷区间内实时耗电量的应用需求。

Simulation and experiment of starting transient flow field of the hydrostatic bearing based on dynamic mesh method

A new method is developed to assess and analyze the dynamic performance of hydrostatic bearing oil film by using an amulets-layer dynamic mesh technique. It is implemented using C Language to compile the UDF program of a single oil film of the hydrostatic bearing. The effects of key lubrication parameters of the hydrostatic bearing are evaluated and analyzed under various working conditions,i.e. under no-load,a load of 40 t,a full load of 160 t,and the rotation speed of 1r/min,2r/min,4r/min,8r/min,16r/min,32r/min. The transient data of oil film bearing capacity under different load and rotation speed are acquired for a total of 18 working conditions during the oil film thickness changing. It allows the effective prediction of dynamic performance of large size hydrostatic bearing. Experiments on hydrostatic bearing oil film have been performed and the results were used to define the boundary conditions for the numerical simulations and validate the developed numerical model. The results showed that the oil film thickness became thinner with the increase of the operating time of the hydrostatic bearing,both the oil film rigidity and the oil cavity pressure increased significantly,and the increase of the bearing capacity was inversely proportional to the cube of the change of the film thickness. Meanwhile,the effect of the load condition on carrying capacity of large size static bearing was more important than the speed condition. The error between the simulation value and the experimental value was 4.25%.

科学发现中的机器学习方法研究

大规模科学装置与重大科学实验使得科学发现进入了数据密集型的第四范式,借助蓬勃发展的人工智能技术促进智能科学发现势在必行.机器学习作为人工智能中的一项重要技术,已广泛应用于各个科学领域.然而,现有工作仅研究特定任务下的机器学习方法,没能抽象出一个通用的智能科学发现研究框架.本文首先总结了科学发现任务中常用的机器学习方法,并将科学任务归类为五大机器学习问题.其次,提出了基于机器学习的智能科学发现研究框架,作为“AI for Science”的典型范例,阐述了一种高效的智能科学发现模式.再次,本文以时域天文学中发现瞬变事件这一科学任务为例,通过实验证明了唯有恰当地结合领域知识后,机器学习算法才能更好地服务于智能科学发现,验证了该框架的有效性.最后进行总结与展望,以期对各领域进行智能科学发现形成参考意义.