核电站人工边坡稳定性评价

通过某核电站人工边坡进行了节理化岩体边坡稳定性研究初步的实例应用,证明了利用岩体结构面网络模拟图,分别通过建立节理单元和引入损伤力学以连续性介质进行类似强度折减处理不连续性问题两种不同方法的可行性,实现了将结构面网络模型用于数值计算模型,从而可以在评价节理化岩体边坡稳定性时,使有限元计算考虑结构面的影响,最终可拓展为工程应用服务。     

基于LHS的坝基岩体三维裂隙网络模拟

坝基岩体裂隙发育直接影响水电工程的结构安全与渗流稳定,建立准确的坝基岩体三维裂隙网络模型是分析坝体安全的基础。岩体裂隙数量巨大,分布复杂,以往的研究多采用Monte Carlo简单随机抽样方法获取裂隙参数的样本数据,进而建立二维或三维裂隙网络模型,忽略了揭露面以下裂隙数据对模拟结果的影响,计算结果稳定性差、精度低,且容易产生样本坍塌的问题。本文提出了水电工程坝基岩体三维裂隙网络的模拟方法,即在坝基揭露面裂隙数据的基础上,融合钻孔摄像技术获取的钻孔全孔壁资料,对裂隙面位置、大小、数量和产状等参数进行统计;然后采用拉丁超立方抽样(Latin Hypercube Sampling)方法对裂隙参数进行随机模拟;最终利用Visual Geo软件建立三维裂隙网络模型。该方法应用于某水电站坝基裂隙三维网络模拟中,并与传统的Monte Carlo方法进行对比,结果表明:该方法在融合揭露面裂隙资料和钻孔摄像数据的前提下,空间填充性好,模拟结果更加接近实测值,为水电工程坝基稳定分析提供了可靠的技术手段和准确的模型基础。     

核电站人工边坡稳定性评价

通过某核电站人工边坡进行了节理化岩体边坡稳定性研究初步的实例应用,证明了利用岩体结构面网络模拟图,分别通过建立节理单元和引入损伤力学以连续性介质进行类似强度折减处理不连续性问题两种不同方法的可行性,实现了将结构面网络模型用于数值计算模型,从而可以在评价节理化岩体边坡稳定性时,使有限元计算考虑结构面的影响,最终可拓展为工...     

基于改进KNN算法的汽轮机通流故障诊断方法及应用

汽轮机的故障诊断对整个电厂的安全运行意义重大。根据热力参数建立计算模型可以及早地观测到性能退化趋势,预测设备故障类型。本文采用特征通流面积的方法建立汽轮机系统性能退化模型,模拟系统故障样本与测试样本,建立设备故障样本库。通过使用改进的KNN（K-nearest neighbor）算法,基于汽水系统热力参数变化规律,计算当前机组运行数据样本相对于设备故障样本的相似度,判定当前机组各设备已发生故障的概率。通过对某S109FA联合循环机组汽轮机研究结果表明,特征通流面积在不同工况下的计算误差均在5%以内,满足工程计算要求。相比于传统KNN算法,改进KNN算法通过样本评估近邻在决策过程中的权重,取得了比传统KNN算法更高的分类正确率。对测试样本故障诊断结果表明,改进KNN算法比传统KNN算法诊断准确率更高,对测试样本诊断准确率为100%,采用改进KNN算法汽轮机系统故障诊断具有可行性,与现场实际情况吻合。     

基于自适应多变量非参数核密度估计的多风电场出力相关性建模

研究多个风电场的联合概率密度,对于风电大规模并网及电力系统运行控制具有重要意义。该文提出一种基于自适应多变量非参数核密度估计的多风电场联合概率密度建模方法。首先以可变带宽代替固定带宽建立一种自适应的多变量非参数核密度估计模型,然后针对模型带宽选择问题,构造了一种以欧氏距离和最大距离为拟合性指标的带宽优化模型,最后利用序优化算法对其进行求解。实际算例仿真结果表明,该文方法不仅较传统基于copula函数的参数估计方法具有更高的精度和适用性,而且还较好地解决了传统多变量非参数核密度估计方法的局部适应性问题。     

基于猫群算法的重力坝抗滑稳定可靠度分析

响应面法是计算重力坝抗滑稳定可靠度的重要方法。针对传统响应面法缺乏参数筛选分析,且缺少利用群体智能算法求解可靠指标研究的不足,提出一种基于猫群算法的加权动态响应面可靠度分析方法,克服经典蒙特卡洛方法需要大量重复抽样的缺点。首先,在考虑坝基岩体渗流应力耦合作用的基础上,采用定量全局敏感性分析方法（EFAST法）筛选基岩参数;其次,通过加权响应面拟合隐式功能函数,同时利用猫群算法求解可靠指标并实现响应面的动态更新;最后,以某重力坝工程为例进行可靠度分析。结果表明,基岩抗剪参数对大坝安全稳定有较大影响,重力坝可靠指标计算结果为2.71,与规范方法结果有显著一致性,所提方法合理可靠,具有较高的实用价值。     

聚磁式横向磁通永磁直线电机的多目标优化

横向磁通永磁直线电机在磁路结构上较传统直线电机不同,该电机磁力线所在的平面垂直于其运动方向,解决了齿和槽在空间上竞争同一个平面的问题,实现了电负荷与磁负荷的解耦,可以在一定范围内通过提高磁能变化率来提高出力,在低速大推力领域具有广阔的应用前景.首先,该文提出一种新型动子三面墙聚磁式结构的横向磁通永磁直线电机,并介绍其工作原理;其次,以推力密度、推力波动、功率因数为优化目标,对该电机的优化变量进行灵敏度分析,选取灵敏度值显著的优化变量构建基于Box-Behnken法的响应面模型;再次,采用粒子群优化算法求解该响应面模型并生成一组帕累托解集,从而得到该电机的最优结构参数;最后,基于三维有限元法对所优化电机的定位力、电磁力等电磁性能进行计算与分析,并验证基于响应面模型和粒子群算法的多目标优化设计方法的有效性.     

基于Johnson分布体系的含风电场发电系统可靠性评估

提出了一种基于Johnson分布体系的多维变量建模方法,并将其应用于含风电场发电系统年度可靠性指标计算中。该方法利用风速历史数据和持续负荷曲线构建风速和负荷与标准正态变量的关系,即模拟风速和负荷的概率分布特征,进而通过模拟相关多维标准正态变量来实现对风速相关性的模拟,避免了因假设风速概率分布模型可能导致模拟精度低的缺点。通过算例分析,验证了算法在模拟负荷和风速分布时的精度以及应用于含风电场发电系统可靠性评估中的适用性。在此基础上分析了风电场风速相关性对含风电场发电系统可靠性指标的影响。     

基于变量选择和DE-GWO算法的光伏发电功率预测

随着光伏产业的迅猛发展,光伏发电量在电力交易市场所占份额越来越大。光伏发电自身间歇性和不可控等特征给电力系统的稳定性带来巨大冲击。为减少此类状况发生,需要提高光伏发电预测精度。但传统建模过程中经常由于输入变量维度过多,或是参数调整不当导致模型精度差。利用随机森林对初始输入变量进行重要性评价及筛选,利用差分灰狼算法对支持向量机模型参数进行优化。通过建立对比试验发现,在经随机森林降维和差分灰狼算法优化后的模型具有更高的预测精度,验证了该方法在光伏发电功率预测领域的可行性和有效性。     

地下洞室群围岩关键块体的确定性搜索

为了有效地防止建于坚硬岩体中的水电站地下厂房围岩中的块体崩塌现象,在对荒沟水电站地下厂房系统地质条件详细勘察的基础上,运用适用于分析不连续面发育的破碎岩体的块体理论,依据探硐揭露的不连续面的产状,测点坐标等工程数据,采用矢量分析法编制了洞室稳定性矢量分析程序VATS(Vector Analysis for Tunnel Stability),实现了对地下厂房系统洞室群围岩中关键块体的确定性搜索,获取了生成关键块体的不连续面的可能组合、确切位置及其稳定性参数,并以AUTOCAD程序为可视化平台,图形展示不同部位中关键块体的几何分布特征,从而为开挖及加固方案的设计提供依据.     

高地温水工高压隧洞结构模型试验研究

为揭示高地温梯度与高内水压力联合作用下水工隧洞围岩的承载特性，在研制完整硬岩多物理场相似材料的基础上，通过温度荷载与内水压力联合加载技术开发，结合声发射的信号监测与空间定位技术，开展大比尺高地温水工高压隧洞的水工结构模型试验，对隧洞围岩的温度场、渗压场、声发射和裂纹发育的动态演化过程进行了测试与分析。试验结果表明，与非高地温条件相比，高地温条件下水工高压隧洞围岩出现水力劈裂所需的临界内水压力明显较低；与非高地温条件下围岩出现少数几条主裂缝不同，高地温条件下围岩主裂缝之间的次生裂缝甚为发育；高地温条件下水工高压隧洞围岩的热-水-力多物理场耦合效应明显，内水压力不变条件下围岩的裂缝扩展与损伤增长呈现非连续阶跃变化特征；高地应力条件下高地温水工高压隧洞水力劈裂位置与裂缝扩展受地应力侧限系数影响较大。     

基于AdaBoost与BP神经网络的风速预测研究

介绍了基于AdaBoost的多神经网络集成预测方法。集成方法的预测结果优于其他方法的预测结果,这一点在理论上和经验上已经得到证明。AdaBoost是适用于时间序列预测的集成方法。基于AdaBoost算法,采用多个BP神经网络训练随机生成的风速样本,再由多个训练结果生成最终的风速预测值。用该方法预测的误差低于用单一BP神经网络进行的预测,其分析和仿真结果表明了其优越性。     

基于EnKF算法的大型河网水量数据同化研究

大型河网非恒定模拟计算仍是当前难点,现实环境的不确定性使传统模拟方法精度难以有效提高。数据同化方法融合数据和观测,是提高实际问题模拟和预测精度的重要手段。本文以太湖流域河网为对象,引入集合卡尔曼滤波方法,构建了太湖流域河网水量数据同化模型,探究了水位观测数据同化对河网水量预测精度的影响,并将模型运用于太湖流域河网洪水预报。结果显示：太湖流域各水利分区水量相对独立,为降低模拟误差,需在各个片区引入观测数据。通过同化各水利分区内2 ~ 3个站点每隔1-2天的观测数据,可使模拟误差降低约40%。太湖领域的预报水位与实测水位基本一致,宜兴、丹阳、常州等站的最高洪水位预报误差不超过0.02 m。     

基于集成深度神经网络的配电网联络关系辨识技术

随着城市配电网络规模不断扩大,配电网实时拓扑难以获取已成为观测其运行状态的主要瓶颈。为了解决传统拓扑辨识方法噪声敏感性高、在线运行难等问题,提出了一套基于集成深度神经网络的配电变压器(简称配变)联络关系辨识方案。首先,依据配电网测量的横纵连续性,对历史数据进行二维小波阈值去噪,降低噪声对辨识结果的影响。为提高深度学习算法的精度上限,采用搜索、生成与评价的策略对数据进行特征提取与选择。然后,以选择的特征为输入,构造交叉熵深度神经网络,通过网格搜索优化深度神经网络的超参数。采用集成学习的策略训练同质深度神经网络,保证模型的在线拓扑辨识能力。最后,通过在TensorFlow上进行的实验验证了提出的集成深度神经网络模型在配变联络关系辨识中的精确度与鲁棒性。     

智能配电网的新形态及其灵活性特征分析与应用

广泛接入的分布式电源、快速发展的电动汽车、大规模可控的用户侧资源等对配电网的灵活性提出了更高的要求。从智能配电网的发展形态分析入手,分析了智能配电网应具备的灵活性特征,阐述了灵活性需求及其多维属性特征,对智能配电网灵活性的可观、可控与量化分析等关键技术进行了初步探讨,并从提高灵活性角度对智能配电网规划、运行、控制等技术发展进行了展望。     

基于相关性分析和生成对抗网络的电网缺失数据填补方法

城市电网新型电力系统中多元资源增多，数据采集难度加大，导致数据随机缺失率升高，难以满足精细化分析决策需求。为了解决新型电力系统中配网量测数据在采集与传输过程中频发的缺失问题，本文提出了一种基于波动互相关分析算法（FCCA）和改进型生成对抗网络（GAN）的电网缺失数据填补方法。首先，融合FCCA提出强相关性电网数据多维特征提取方法；其次，基于核主成分分析（KPCA）对多维特征数据集进行降维处理；最后设计改进型GAN结构，融合电网数据多维特征对低维向量进行重构，实现缺失数据填补。算例采用真实电网数据进行算法验证，并在某城市电网试运行，结果表明所提方法比传统数据填补方法具有更高填补精度。所以，在新型电力系统中量测数据连续缺失和缺失量较大的情况下，融合强相关性特征进行数据填补，对提升量测数据的完整性和可用性有明显优势。     

PSO演化神经网络集成的边际电价预测新方法

为了克服神经网络模型结构和参数难以设置,学习算法收敛速度慢等缺点,提出了一种基于粒子群优化的演化神经网络集成新模型对日前交易电力市场的边际电价进行预测。该模型将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,首先采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子,通过粒子速度和位置更新方程进行粗学习,获得多个相对占优的神经网络结构和初始权重并构成神经网络集成预测模型,然后采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习,并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出。运用此方法对加州日前交易电力市场的边际电价进行了日预测,结果表明其优于三层BP神经网络预测方法。     

基于传统CNN-LSTM模型和PGAN模型的用电量预测对比研究

为保证新一代智能电网能够根据实时的用电量情况动态的调节区域内电能分配及调度,需要实现高效且精准的用电量预测。传统电网中用电量预测方法是通过人工统计或者对历史同期用电量分析,粗略的计算出可能产生的用电量,不但消耗大量的人力物力,且无法满足智能电网背景下的用电量精准预测。现在采用差分整合移动平均自回归预测模型,长短时记忆网络预测模型和生成对抗网络预测模型等方法对用电量预测问题进行了研究,以取代传统的用电量预测方法。结果表明,智能算法可以大大程度上提高用电量预测的准确性,但要实现短时高效预测,还需在智能电网系统中对智能算法合理使用。     

Derivation of equivalent networks

Given any electrical network (termed the original network), methods are given for finding new networks (called equivalent networks), in which certain subnetworks of the original network and specified properties of this subnetwork are preserved. These properties which are preserved include: topology, branch parameters, voltage and current sources and voltage-state/current-state relations. A mathematical model of equivalency is given and basic solution formulae are derived. The algorithms are given allowing the equivalent networks to be chosen to satisfy many different criteria such as simpler topology, simpler V-I relations, separation of the network into disjoint parts, etc.