短光程下差分吸收光谱法测量低浓度污染气体的反演算法

传统差分吸收光谱(differential optical absorption spectroscopy,DOAS)技术对长光程或高浓度烟气污染物可以实现准确、快速和在线测量,但是对于短光程、低浓度污染气体测量却存在较大的浓度反演误差。该文提出了一种新的光谱数据处理方法,并对信噪比较低的实测光谱数据进行了浓度反演。研究结果表明：气体浓度在0~150 mg/m3范围内,新算法的反演精度明显优于传统算法,反演误差都在10%以内;在150~4 000 mg/m3范围内与传统算法相当;超过4 000 mg/m3后新算法的反演误差较大。新算法具有良好的抗烟尘干扰能力,其零点误差较传统算法减小了95%以上。与传统DOAS算法相结合可以获得较宽的动态测量范围。     

基于差分吸收光谱法的燃煤锅炉烟气浓度反演算法

根据被测对象在所选波段具有差分吸收结构的光谱特性,研究了一种改进的基于差分吸收光谱法(DOAS)的气体浓度反演算法。在该算法中,考虑了噪声、颗粒群散射以及干扰气体的影响。应用该算法在给定光程下分别对一种气体和几种气体的混合物,以及在不同光程下同一浓度的气体进行了数值模拟。结果表明,该算法具有良好的抗噪声和抗干扰性能,并且浓度反演误差基本在1%以内,研究还给出了在不同光程下对浓度值极高或极低(mg/m3)的待测气体"测量"结果的比较。     

基于光学遥感技术获取近地面气溶胶消光系数的方法研究

针对我国大气污染特点,开展基于光学遥感技术的主动差分吸收光谱法(DOAS)反演近地面气溶胶消光系数的方法研究.首先介绍了主动DOAS的工作原理,分析了基于双光路DOAS技术解析气溶胶质粒消光信息的实质,探讨了利用单光路测量气溶胶的可行性,并利用干净条件下近距离测得光强,来校正系统,解决了差分吸收光谱技术中光源绝对光强难以确定的难题.在获取气溶胶消光系数同时,基于差分思想可以获取痕量气体的大气浓度.论文最后把该方法应用于外场数据的分析中,成功地反演出气溶胶的消光系数和痕量气体浓度.     

发动机排放气体浓度差分吸收光谱法测量

燃油发动机是车辆、舰船等的主要设备,发动机排气分析不仅可以揭示其工作状态,而且也是当今检测污染气体排放的需要.本文介绍了差分吸收光谱法(DOAS)测量发动机排气的基本原理,描述了DOAS现场检测系统的基本结构,设计了能同时测量多种排放气体浓度的实验系统,建立了利用同一波段对多种被测气体浓度同时进行测量的数据处理方法.实验结果表明DOAS检测系统能实时在线测量发动机排放气体的浓度.     

基于表面电位测量的表面电荷反演计算

目前无法直接测量得到表面电荷分布,而必须根据测量结果进行复杂的表面电荷反演计算。为此,对表面电荷反演计算方法进行了研究。基于绝缘子表面电位测量,对日本学者Ootera等人提出的表面电荷反演计算方法进行了改进,将原先的对关联矩阵2次求逆简化为1次求逆。使用改进后算法,以直流电压下空气和SF6气体中盆式绝缘子表面电位的测量结果为算例,计算得到的自由电荷面密度空间分布与改进前算法的结果一致。与改进前算法相比,改进后算法进一步得到了绝缘子表面视在电荷与极化电荷的面密度分布,并发现同一气体环境下自由电荷与视在电荷面密度峰值有明显差异,空气中相差370pC/cm2,SF6气体中相差530pC/cm2。     

基于改进UPF滤波算法的稳态及短路电流下光学电流互感器信噪分离研究

我国大力发展特高压电网,对电流互感器的测量精度和速度提出了更高的要求。当输入电流信噪比低时,光学电流互感器(OCT)很难从频域角度进行滤波。因此提出无迹粒子滤波算法(UPF)来提高OCT的信噪分离能力,并针对传统UPF计算量大导致实时性较差的问题,采用基于全局采样的改进UPF滤波提高滤波的实时性。之后对电力系统发生三相短路下该滤波情况进行讨论,以改进UPF滤波中的残差作为阈值进行计算。最后在Matlab进行仿真验证,结果表明基于全局采样的改进UPF方法有效提高了输出信噪比和滤波精度,短路时也能快速、准确滤波,为继电保护装置提供电流。     

DOAS在大气环境质量监测中的应用

差分光学吸收光谱技术(Differential Optical Absorption Spectroscopy,简称DOAS)是大气环境质量监测中采用的一种光谱检测技术。在对差分光学吸收光谱方法的理论基础和数据处理方法进行介绍后,推导了污染气体浓度的计算公式。在光谱处理中利用Savitzky-Golay平滑滤波方法来拟合光谱中的慢变化部分。在吸收光谱中扣除慢变化部分后得到差分吸收光谱,再将实验室测得的标准吸收截面用同样的方法处理后获得差分吸收截面,针对差分吸收光谱和差分吸收截面进行拟合,采用最小二乘法求得污染气体的浓度。实验结果表明,反演浓度值十分接近真实值,可以成功作为监测大气环境质量的理论依据,实现对大气环境质量的监测。     

差分吸收光谱法在线监测烟气SO_2浓度的直接反演法

差分吸收光谱法(differential optical absorption spectroscopy,DOAS)用于锅炉排放烟尘烟气直接在线监测时,易受烟尘水汽等的干扰影响,造成测量误差较大。在实验室模拟真实烟道中的烟气监测环境,研究在光源发光强度大幅度衰减、存在高浓度水汽和烟尘情况下不同浓度SO2吸收光谱的特性。在对SO2吸收光谱进行小波分解后,发现即使受到高浓度烟尘颗粒、水汽、光源大幅度衰减等的影响,在某些波长处的小波系数变化仍较小,与未受干扰的SO2吸收光谱的小波系数基本相同。因此,提出一种差分吸收光谱法测量SO2浓度的新算法,即利用这些波长点的小波分解系数与浓度的关系,建立相应的函数关系,由吸收光谱经小波分解后的小波系数直接得到SO2的浓度。实验证明该方法可以消除烟尘水汽等的干扰影响,测量误差较小,可以满足排放监测要求。     

提升PMU动态测量性能的若干方法

为了提高PMU装置在电力系统动态条件下的同步相量测量精度,研究了若干提升PMU装置动态测量性能的方法。采用IEEE C37.118标准中推荐的基于离散傅里叶变换(DFT)的同步相量计算模型,对基于DFT的相量测量算法进行了改进。分析了该改进方法在带外干扰、系统振荡、系统失步、短路或断线故障等动态条件下的特性。设计了等纹波滤波器对相量数据进行滤波处理,保证同步相量的测量精度,最后在PMU装置中实现并进行了测试验证。实验结果表明,通过上述方法的实施,PMU在动态条件下的测量精度得到了提高。     

基于非负矩阵分解与改进极端学习机的变压器油中溶解气体浓度预测模型

变压器油中溶解气体浓度是评估变压器绝缘状态的重要依据,对气体浓度进行有效预测,可以及时识别变压器潜伏性故障。文中提出一种基于非负矩阵分解(nonnegative matrix factorization,NMF)与改进极端学习机(extreme learning machine,ELM)组合的变压器中溶解气体浓度预测模型。该方法通过NMF算法对输入样本进行分解,同时引入Adaboost算法对极端学习机进行改进;将低维矩阵作为模型的训练样本输入,剔除冗余数据,提高预测精度。实例分析结果表明,文中提出的方法能有效地降低输入样本维数,提高预测精度,能较好地解决变压器油中溶解气体浓度预测问题。     

紫外差分法烟气排放连续监测系统在发电厂的应用

神华准能发电厂采用湿式石灰法脱硫工艺,进行脱硫除尘改造后,为能准确检测锅炉排放烟气中的污染物,通过分析比较,选择YDZX-01型紫外差分吸收光谱直接测量法CEMS对烟气进行监测.使用过程中,在锅炉烟气带水、含尘较大、温度偏低等恶劣工况下,出现探头外表及角反射镜结露、粘灰等问题,针对存在的问题进行了有针对性的技术改进,如加装吹扫空气电加热器和空气滤清器等,进一步提高了紫外差分吸收光谱直接测量法CEMS在湿法脱硫系统中应用的可靠性,对其他类型CEMS的运行管理具有一定的借鉴意义.     

基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识

针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。     

基于蚁群算法的变压器智能故障诊断系统

基于变压器溶解气体分析数据,介绍了采用基于蚁群算法的神经网络方法,建立变压器在线智能故障诊断系统.变压器油中溶解气体数据的训练和诊断表明,蚁群算法的收敛速度快,克服了网络陷入局部极小值的缺陷,具有较高的诊断准确率,是一种切实有效的方法.     

低压电力线载波通信路由算法研究

低压配电网拓扑结构复杂未知,电力线载波通信信道干扰与时变造成通信不可靠,影响通信范围。本文对低压配电网拓扑结构进行分析,探讨了自动路由的必要性。在传统的蚁群算法基础上,提出了基于蚁群算法、遗传算法和粒子群算法相结合的混合路由算法。仿真研究表明,该方法能提高收敛速度和保证全局最优。     

基于最小均方自适应滤波器的热工过程建模方法

针对热工对象的时变性特点及其在运行过程中易受到不确定性干扰的影响,提出一种基于最小均方(least mean square,LMS)自适应滤波器的热工过程建模方法。LMS滤波器以未知对象的输入和输出作为激励和期望信号,通过最速下降法得到未知对象的有限脉冲响应(finity impluse response,FIR)模型,其与差分方程或传递函数是等价的。实验仿真和某电厂实际运行数据验证了该算法的有效性。这种建模方法避免了复杂的机理分析,其抽头权值的分布可以表征热工对象的动态特性,为分析热工对象提供了一种手段。     

一种FIR高阶多通带数字滤波器的优化设计方法

为有效提高有限冲激响应FIR(FiniteImpulseResponse)高阶数字滤波器优化设计速度和精度,根据FIR线性相位滤波器的幅频特性,提出了一种基于激励矩阵为Hd-CTW的神经网络算法。该算法的主要思想是用神经网络算法优化设计的FIR滤波器的幅频特性与理想滤波器的幅频特性在整个通带和阻带范围内的误差平方和为最小,算法不涉及逆矩阵运算。为了保证该算法的收敛性,提出并证明了神经网络算法的收敛性定理,为神经网络学习率的选择提供了理论依据。该算法的主要特点是可实现样本集数据的并行训练,有效提高了计算速度。为了验证该算法的有效性,给出了多通带FIR高阶数字滤波器优化设计实例,仿真结果表明了该算法具有高的计算精度和快的计算速度。     

分布式电源的配电网重构和电容器优化投切

综合考虑最优潮流、配电网重构和电容器优化投切,建立了计及分布式电源的配电网经济运行模型。鉴于模型的复杂性,采用结合最优潮流和改进蚁群算法的混合优化方法进行求解。该方法将最优潮流嵌入改进蚁群算法中,利用最优潮流求解考虑网络安全约束的分布式电源优化调度问题,利用改进蚁群算法优化配电网结构和电容器档位。为了提高蚁群算法的优化效率,建立含有局部搜索蚂蚁的混合蚁群,平衡蚁群算法的全局和局部搜索能力。通过对16节点和33节点的测试系统仿真,表明提出的模型和算法正确有效。     

蚁群K-medoids融合的聚类算法

蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合。但蚁群算法消耗时间成本较大,效率较低。而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛应用于各种聚类处理中。但需要人为确定簇数目,并对初始簇中心的依赖性较强。针对以上问题,提出了结合蚁群算法和K-medoids的聚类算法（AKCA）,该算法融合了蚁群算法和K-medoids算法各自在聚类上的优点。实验结果表明,该算法对于小型数据集具有运行效率高、聚类质量好和自适用性强等优点。