基于双端时域信号的过渡电阻在线计算方法

在已知故障类型的前提下,基于线路的π型集中参数等效模型,利用线路两端从故障发生后到断路器跳闸前的时域信号,通过求解描述线路短路状态的微分方程组,对过渡电阻值进行在线实时计算。从单相系统入手推导了过渡电阻的计算表达式,结合相模变换和复合模网络,给出了三相系统的过渡电阻计算方法。该方法计算响应速度快,具有计算结果不受故障位置、直流信号衰减、谐波信号影响等特点,且具有较高的准确性。采用PSCAD／EMTDC进行了算例仿真,仿真结果表明了该方法的有效性和准确性。     

无线数据传输系统的应用

本文主要介绍了无线数据传输技术在较大距离范围内进行数据采集时的应用,从总体方案、无线技术的工作原理、实际应用中所遇到的通信衔接问题及如何解决等方面进行了详细论述。     

石墨化对碳纳米管结构与电学性能的影响

在氮气气氛及2700℃温度下,对富含结构缺陷的具有Turbostratic形貌特征的碳纳米管原料进行高温石墨化处理,利用高分辨透射电子显微镜以及自主开发的基于透射电镜的原位性能表征系统对石墨化前后的碳管结构和导电性能进行了研究. 实验结果表明：经过高温石墨化处理后,碳管结构转变为类似于竹节状或管状的锥面结构,锥角为10°~30°,管径为10~40nm. 从锥角数据推算出锥面形成时的旋转位移角中均包含了一个附加的重叠角,说明石墨化后的碳管主要以螺旋的锥面结构为主,且弯曲的螺旋锥面靠∑7、∑13和∑19等重位点阵来稳定. 导电性能测量的结果表明具有螺旋锥面结构的纳米碳管呈半导体特性.     

烟粉添加对烟草薄片固液耦合涂布效果的研究

为探究烟粉添加对固液耦合涂布效果的影响,本研究通过开展烟粉性能分析,主要探讨了烟粉添加对涂布效果、烟草薄片理化指标的影响。结果表明,烟粉的添加导致涂布液密度、固含量、黏度增加,且黏度增加最快,烟粉添加量对涂布液的影响大于其粒径。烟粉的添加引起烟草薄片抗张强度增加,柔软度和透气度减小。适宜的烟粉添加量应低于9%,粒径为500目左右。     

OPO激光器腔型设计对输出激光发散角的影响

采用氙灯泵浦KD＊P电光调Q1．06μmNd：YAG激光器作为抽运源,研究了不同谐振腔型的情况下,KTP-OPO激光器的输出光束质量特性．对单谐振光参量振荡器速率方程进行了讨论,实验中平凹腔输出激光发散角均大于20mrad,平平腔的激光发散角小于等于16mrad,而凹凸腔的光束质量是三者中最佳的。结果表明,谐振腔腔型设计与光束质量的优劣有很大的关系．非稳腔输出激光发散角小;而稳定腔、介稳腔输出激光的发散角大,光束质量相对较差。同时,提出了改进光束质量的几点建议。     

傣族风土聚落与建筑中的“双中心”空间特征研究——以中国西南西双版纳地区传统村寨为例

中国西南西双版纳地区的傣族传统聚落、佛殿、住宅共同存在"双中心"空间特征,根据"寨心与寺心""双中柱""主人柱与女柱"在不同仪式场景中所表达的涵义,论述傣族以"圣与俗""上方位与下方位"为核心的传统空间感知观念,并从社会文化中的宗教信仰、方位体系和象征意义3方面解析其成因。     

计及风电波动影响的配电网可靠性评估

风力发电机(Wind Power Generation,WTG)被越来越多的接入到配电网中,这给配电网的可靠性评估带来了一定的影响.为避免牛顿-拉夫逊迭代法计算Weibull分布参数过程中出现的局部缺陷,先通过高斯-赛德尔法修正参数,然后利用蒙特卡洛算法对风力发电的随机风速进行模拟,建立WTG的出力模型.采用以自动隔离装置与手动隔离装置为边界的分块算法对IEEE RTS BUS 6系统的主馈线F4分块,然后对其进行可靠性评估,同时考虑了开关可靠性和风机的穿透率对配电网可靠性的影响,并采用全概率公式对接入风电机组后孤岛内负荷点的可靠性指标进行计算.算例验证了该方法的有效性.     

基于区块链技术的虚假新闻检测方法

虚假新闻不仅会导致人们形成错误观念,损害人们的知情权,还会降低新闻网站公信力。针对新闻网站出现虚假新闻的问题,提出一种基于区块链技术的虚假新闻检测方法。首先,通过调用智能合约为新闻随机分配审核者来判定新闻的真实性。然后,调整审核者数量以确保有效审核者的数量,提高审核结果的可信度。同时设计激励机制,根据审核者的行为分配奖励,并运用博弈论分析审核者的行为和获得的奖励,为了获得最大利益,审核者的行为必须是诚实的。而后设计审计机制检测恶意的审核者,以提高系统的安全性。最后,利用以太坊智能合约实现了一个简易的区块链虚假新闻检测系统,并对虚假新闻检测进行了仿真,结果显示所提方法的新闻真实性检测的准确率达到了95%,表明该方法可有效防止虚假新闻的发布。     

基于MobileNet的恶意软件家族分类模型

现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32%,较经典的恶意代码可视化模型高出2.14个百分点.