基于分数阶小波变换的电力系统谐波检测方法

针对稳态和暂态谐波检测易受噪声干扰的问题,提出一种基于分数阶小波变换(fractional wavelet transform,FRWT)的电力系统谐波检测方法。首先,通过快速傅里叶变换(fast Fourier transform,FFT)检测出各频谱的频率,根据频率确定分解层数;其次,利用FRWT对信号进行分解和重构,实现基波与各次谐波分量的分离;最后,对各次谐波分量进行Hilbert变换(Hilbert transform,HT),获取各次谐波分量的频率和幅值检测结果以及暂态扰动的起止时刻。对多种谐波信号的仿真试验结果表明,FRWT方法可以有效实现对含噪信号中稳态和暂态谐波的检测,即使信噪比较低也能保证各项结果的检测精度,证明FRWT方法是检测谐波的一种有效新方法。

大学生灾难教育现状调查与对策分析——以华北和西南地区部分高校大学生为例

汶川大地震造成了人们生命、财产、精神等许多方面的巨大创伤,对于知识界则突显了灾难教育缺失的现状。作为社会特殊群体的大学生肩负着时代的重托和历史的使命,对其进行灾难教育的重要性不言而喻。为此,本文运用深度个案访谈法,对大学生灾难教育现状进行分析,反映了学校灾难教育的缺位和社会灾难教育体系的不健全这一突出问题,并有针对性地提出了改进大学生灾难教育现状的相关对策建议,以期从建立系统化的学校灾难教育体系和完善社会灾难教育体系两方面为深入研究大学生灾难教育提供参考。

虚实结合下的大学物理实验教学模式研究与实践

文章从大学物理实验教学的现状出发,具体分析了传统实操实验和虚拟仿真实验的优缺点,介绍了虚实结合下的大学物理实验教学模式的内涵,阐述了虚实结合下大学物理实验教学模式的应用优势和构建措施。文章认为这种虚实结合的教学模式激发了学生对大学物理实验的学习兴趣,培养了学生的创新意识,丰富了现有的实验教学模式,使教学效果得到了极大提高。

一种组合电极电容层析成像重建图像融合方法

提出一种基于电容层析成像(ECT)组合电极重建图像及层次聚类的ECT图像融合方法。首先,构建组合8电极及12电极ECT阵列传感器,研究2种组合传感器激励测量方案;其次,采用层次聚类法对两种组合电极ECT重建图像进行聚类,从而消除重建过程中产生的伪影;最后,将聚类后的2种图像再进行小波融合重建。实验结果表明,相较于原始重建图像,所提方法重建图像平均相对误差最小,最大降幅达到23.4%,平均相关系数最大,最大增幅达到10.56%。

基于BERT-BiLSTM-CRF模型的畜禽疫病文本分词研究

针对畜禽疫病文本语料匮乏、文本内包含大量疫病名称及短语等未登录词问题,提出了一种结合词典匹配的BERT-BiLSTM-CRF畜禽疫病文本分词模型。以羊疫病为研究对象,构建了常见疫病文本数据集,将其与通用语料PKU结合,利用BERT(Bidirectional encoder representation from transformers)预训练语言模型进行文本向量化表示;通过双向长短时记忆网络(Bidirectional long short-term memory network,BiLSTM)获取上下文语义特征;由条件随机场(Conditional random field,CRF)输出全局最优标签序列。基于此,在CRF层后加入畜禽疫病领域词典进行分词匹配修正,减少在分词过程中出现的疫病名称及短语等造成的歧义切分,进一步提高了分词准确率。实验结果表明,结合词典匹配的BERT-BiLSTM-CRF模型在羊常见疫病文本数据集上的F1值为96.38%,与jieba分词器、BiLSTM-Softmax模型、BiLSTM-CRF模型、未结合词典匹配的本文模型相比,分别提升11.01、10.62、8.3、0.72个百分点,验证了方法的有效性。与单一语料相比,通用语料PKU和羊常见疫病文本数据集结合的混合语料,能够同时对畜禽疫病专业术语及疫病文本中常用词进行准确切分,在通用语料及疫病文本数据集上F1值都达到95%以上,具有较好的模型泛化能力。该方法可用于畜禽疫病文本分词。

基于实例迁移学习的小样本光伏功率短期预测

针对新建光伏电站历史数据匮乏导致功率预测精度不足的问题,提出一种基于实例迁移学习的小样本光伏发电功率短期预测方法。首先,以一组丰富的长期运行光伏数据为源域,利用多核最大均值差异估计源域与目标域光伏数据的匹配相似性,筛选出高相似的迁移源域;然后,建立加权对抗双向长短期记忆网络,通过对抗学习赋予源域光伏样本权重以调整其数据分布,将调整后的源域数据充实目标域数据集,采用双向长短期记忆网络挖掘公共知识域中光伏发电功率序列与气象数据的双向时序关联特性,实现小样本条件下光伏功率的精准预测。结果表明:相较于传统深度学习和模型迁移方法,所提方法能有效提高历史数据有限条件下光伏功率的预测精度。

有限大小量子Dicke-Stark模型的动力学性质

利用相干态的超完备性,可以有效解决光子数空间的截断问题,在有限的相干态空间中即可得到精确的计算结果.本文在相干态空间中计算了Dicke-Stark模型的数值精确解,继而讨论了该模型的量子相变和时间演化动力学.通过计算Dicke-Stark模型基态的平均光子数和平均角动量,发现了量子相变现象,量子相变临界点会随非线性Stark作用发生移动.计算得到Dicke-Stark模型平均光子数和平均角动量随耦合强度和时间演化的相图,有助于了解有限大小Dicke-Stark模型的动力学性质.

基于证据理论和效用理论的电力系统风险评估

在所提出的风险评估模型中,将线路的故障可能性看做随机模糊数,基于证据理论构造了架空线路的故障可能性模型,可更好地反映外部环境对线路故障可能性的影响;并采用效用函数度量电力系统元件故障损失带来的不满意程度,所给出的指标能灵敏地反映电力系统故障风险的变化趋势,符合电网运行实际;最后以北京电网为例,说明了该方法的可行性和有效性。

气液两相流流型特征无监督提取的卷积自编码器:机理及应用

在气液两相流的测量中,流型的准确识别是压降、换热等热工参数测量的基础。传统的两相流方法由于试验条件和数据的局限性使得在不同工况下的适用性有限。人工智能算法可以同时兼顾效率和精度,但特征提取方法仍是识别的难点。流型的准确识别对于解释数据,改进模型,以及提高应用效果方面具有重要意义。因此提出了一种基于卷积自编码器的无监督学习的特征提取方法,将特征提取后分别输入到随机森林,支持向量机以及前馈神经网络分类器中进行分类。实验结果表明,对四种流型的识别精度都达到了99%以上,说明卷积自编码器特征提取方法能显著地提高分类算法的准确率,对不同的分类器具有很好的兼容性,也为今后流型识别的特征提取方法提供了帮助。

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

基于层次分析的电力营销目标市场模糊评判

提出基于层次分析的确定电力目标市场的模糊综合评判法,即运用将层次分析法和模糊综合评价法相结合的方法,它既体现了决策者的主观意向又反映了客观的信息,为确定电力营销目标市场提供了一种综合评价方法。通过实例证明该方法具有科学性和可行性。

基于轻量级卷积神经网络的复合绝缘子憎水性诊断方法研究

复合绝缘子因其良好的性能在电网中普遍使用,为提高复合绝缘子带电憎水性检测的智能化和自动化水平,文中提出一种基于轻量级卷积神经网络的复合绝缘子憎水性诊断方法。文中使用EfficientNet算法对复合绝缘子不同憎水性等级对应的水迹图像数据进行特征提取训练,通过对模型准确率和参数量等方面的比较,并结合模型在边缘计算设备上的正向推理速度,确定EfficientNet-b3模型为本应用场景下的最优模型。该模型分类准确率为96.43%,在Jetson Xavier NX上的正向推理速度为57.16 FPS,在精度和速度方面均优于其他经典卷积神经网络对比算法。后接触角的测量结果验证了该模型在实际应用中的分类有效性。该模型搭载无人机可进行现场运行复合绝缘子的憎水性测量,具有一定的创新价值和良好的应用前景。

地区电力工业可持续发展综合评价系统研究

通过研究某地区历年电力工业的相关数据,对地区电力工业的可持续发展进行综合评价。在探讨可持续发展的发展度的基础上,根据综合评价的有关原理研究开发了电力工业可持续发展评价系统。该系统的评价结果具有一定的精度,可以为电力工业发展规划、电源建设及电力的重大决策提供重要参考依据。

大用户电力负荷的多模型模糊综合预测

研究大用户的短期电力负荷预测问题,给出一种基于变权综合模糊推理的多模型综合预测方法。该方法首先引入基于质心相似度聚类的负荷模式分析算法,挖掘历史负荷数据中合群的典型负荷模式,并按相似性进行分组,同时剔除少量的离群异常记录;然后给出基于共轭梯度的RBF神经网络训练算法,分别对每类典型负荷模式建立相应的单元预测模型;最后利用基于相似度加权的多模型变权综合模糊推理策略,实现各单元模型预测结果的自适应融合。案例仿真验证了多模型模糊综合预测方法的可靠性。

电力负荷预测的最优分段校正模型研究及应用

中长期电力负荷同时具有增长性和波动转折性的二重趋势,这使得电力负荷的变化呈现出复杂的非线性特征。传统的中长期负荷预测模型仅考虑一种变化趋势,从而预测效果较差,不能符合实际需要。为了提高预测精度,更精确地反映负荷变化规律,通过改变GM(1,1)模型中微分方程的初始条件,且对历史负荷进行最优分段,在此基础上建立了电力负荷预测的最优分段校正模型,使模型具有二重趋势性特点。通过实例验证,较大提高了预测精度。

红景天对尾吊小鼠眼压、视网膜结构及PI3K/AKT/HIF⁃1α信号通路的影响

针对微重力环境导致的航天相关眼综合征存在眼压升高与视网膜病变问题,研究红景天对尾吊小鼠眼压、视网膜结构的影响及作用机制。实验取55只C57小鼠,分为5组,每组11只,经2周造模,4周给药干预,历时6周;第2、4、6周测量小鼠眼压,6周后HE染色观察小鼠视网膜结构,RT⁃PCR测定小鼠视网膜内PI3K、AKT、HIF⁃1α基因表达水平。结果显示:尾吊模拟微重力状态下,小鼠眼压4周显著性高(P<0.01),6周时出现自然回落;6周小鼠视网膜结构未发生明显病理性改变,视网膜内PI3K、AKT、HIF⁃1α基因表达水平显著升高(P<0.05);应用红景天干预,可有效降低尾吊小鼠4周时的眼压(P<0.01),调节6周时视网膜内PI3K、AKT、HIF⁃1α基因表达水平(P<0.05);高剂量红景天干预造成6周时小鼠眼压较空白组显著升高(P<0.05)。红景天可降低尾吊小鼠的眼压升高,调节小鼠PI3K/AKT/HIF⁃1α信号通路表达水平,低剂量红景天干预安全性更佳。

基于神经网络校正的电力负荷灰色预测

针对电力负荷预测残差序列具有复杂的非线性状态的特点,运用神经网络模型,对电力负荷的灰色预测残差进行校正;同时对神经网络隐含层的神经元个数进行调整,使得网络模型结构优化,模型参数确定更为合理,进一步提高了预测精度。

红外热诊断技术在电力系统中的应用

文章概述了红外热诊断的基本原理、技术特点,着重总结评述了红外热诊断技术基础理论的核心问题———导热反问题,文章最后简述了红外热诊断技术应用中存在的问题,同时展望了将来的研究热点。

基于振动信号最优特征提取算法的风力机齿轮箱SVM故障诊断

针对风力机齿轮箱故障诊断的特征提取过程,提出基于振动信号最优特征提取算法的风力机齿轮箱SVM故障诊断方法。首先,分析3种主要特征提取算法各自适应性高的信号类型;然后,根据不同类型信号所具有的信号特性,利用信号分析对传入的振动信号进行特性提取并分类,将不同类别信号与适应性高的特征提取算法进行匹配,实现振动信号的最优特征提取;最后,将匹配算法与支持向量机模型结合实现故障诊断。对实际采集的3种齿轮故障信号进行测试与验证,结果表明该方法可有效进行最优特征提取与算法匹配,相比未经过匹配算法具有更高的故障诊断准确率。

模糊几何加权法求解电力系统经济调度问题

电力系统经济调度是一个多目标规划问题,利用模糊方法并且考虑到实际问题中每个目标函数的重要性不同,即对每个目标函数引入隶属函数,并通过对隶属函数进行几何加权,来求解电力系统的经济调度问题。应用算例表明该算法是可行的、有效的。