地理信息系统与环境评价

对地理信息系统 (GIS)进行了简要介绍 ,论述了GIS在环境评价领域中的应用方向 ,对未来发展趋势进行了探讨 ,并就如何在环境评价中利用或建立环境评价GIS提出了建议     

基于CPSO-BP神经网络的风电并网暂态电压稳定评估

针对目前传统方法难以快速、准确判断风电并网后系统暂态电压稳定性的问题,提出了一种基于CPSO-BP组合的风电并网暂态电压稳定评估方法。首先采用混沌理论对粒子群算法的不足进行改善,应用改进后的算法对神经网络的初始权值和阈值进行优化,然后利用系统故障前后采集的传统物理量和风电场相关的物理量作为BP神经网络输入特征量进行监督学习,最后将训练得到的模型应用于风电并网系统的暂态电压稳定评估中。利用英格兰10机39节点系统标准算例进行风电并网仿真分析,结果证明了所提方法的有效性。     

H.264计算资源和比特资源联合优化分配方法

针对聋哑人移动手语视频通信,提出一种H.264计算资源和比特资源联合优化分配方法。该方法根据聋哑人视觉选择特性将手语视频划分为不同的区域,通过为不同区域分配不同的量化系数进行比特资源优化分配;并将H.264手语视频编码复杂度分为三个级别,根据能量受限设备的电池能量自适应地选择编码级别进行计算资源优化分配。研究结果表明:该算法在保证手语视频感兴趣区编码质量的同时,可以有效降低编码器的计算复杂度,延长电池工作时长。     

电网电压不平衡且严重畸变时的软件锁相技术

针对传统软件锁相环（SPLL）在三相电压不平衡且严重畸变条件下不能准确跟踪电网电压的频率和相位的问题。本文提出了一种基于相序解耦（SDR）级联二阶广义积分（SOGI）的新型软件锁相模型,通过SDR和SOGI实现了正负序分离,电压基波提取,以及滤波功能,有效地消除了负序分量、谐波分量对准确获取频率和相位信息的影响。仿真结果表明在三相电压不平衡且严重畸变的条件下,该新型SPLL能够准确地锁定电网电压的频率和相位,从而有效性地验证了新方法的正确性。     

基于IEC61850-9-2合并单元的研究与设计

介绍了一种智能变电站合并单元的设计方案,采用现场可编程逻辑阵列（FPGA）作为硬件框架,充分利用FPGA的模块化编程和多任务处理的特点,通过在FPGA芯片上配置NiosII软核处理器和相关接口,完成合并单元采样脉冲同步、数据采集及处理,将数据按照IEC61850-9-2标准组帧通过以太网与过程层设备通信发送至过程层设备。运用MMS Ethereal软件对本合并单元输出的电压、电流信号进行测试,结果表明该合并单元所送数据与接收数据一致,符合9-2标准。本装置可以实现了合并单元多任务、大信息量及实时高通速信的要求,具有较强的实用价值。     

变频技术在舞台吊杆定位控制中的应用

以舞台调速吊杆高精度定位运行为目标,针对吊杆运行过程中的运动惯性和机械延时等影响定位精度的问题,该文设计了应用PLC、变频器、增量式编码器等组成异步电机传动的速度和位置双闭环控制系统,提出采用变频调速的二分法算法实现无极变速运动及其准确定位控制.工程实践表明,该方法凭借双闭环系统在获得理想调速性能的同时,又大幅度地提高了位置控制的定位精度.     

一种改进的小波域图像修复算法

针对全变分小波图像修复算法在平滑区易产生阶梯效应并且噪声抑制不充分的缺陷,提出一种新颖的小波域图像修复模型。通过优化一个全变分和图像梯度的二范数的能量泛函来实现小波域的图像修复,使得在去除噪声的同时较好地保留了图像的边缘,在平滑区域削弱了阶梯效应,并利用有限差分法对所建立的扩散方程进行数值求解。实验结果表明:所提方法对于不同丢失比例的图像以及噪声图像都取得了较好的修复效果,尤其当小波系数丢失率较高时更为明显。     

声电联合法在35kV开关柜局部放电检测中的应用

介绍了基于超声波和高频电流相结合的局部放电检测方法的基本原理、检测和判定依据。将该方法应用到某高压配电室35kV开关柜的局部放电检修中,应用结果表明,该方法可准确判断开关柜的放电位置、放电相位、放电类型、放电强度等,并能对其趋势进行分析,为开关柜状态检修在线监测提供了有力的技术保障。     

基于空间收缩技术的约束多目标进化算法

约束多目标进化算法在求解不可行域较大的优化问题时对不可行域的合理探索不仅有助于种群快速收敛于可行区域内的最优解,还能减少无潜力不可行域对算法性能的影响.因此,提出一种基于空间收缩技术的约束多目标进化算法(CMOEA-SST).首先,提出自适应精英保留策略对PPS算法的Pull阶段初始种群进行改进,增加Pull阶段初始种群的多样性和可行性;其次,在进化过程中采用空间收缩技术逐渐缩小搜索空间,减少无潜力不可行域对算法性能的影响,使算法在兼顾收敛性和多样性的同时提高收敛精度.为验证所提算法性能,将该算法与四个代表性算法C-MOEA/D、ToP、C-TAEA、PPS在LIRCMOP系列测试问题上进行仿真对比.实验结果表明,CMOEA-SST在处理不可行域较大约束优化问题时具有更好的收敛性和多样性.     

基于空间收缩技术的约束多目标进化算法

约束多目标进化算法在求解不可行域较大的优化问题时对不可行域的合理探索不仅有助于种群快速收敛于可行区域内的最优解,还能减少无潜力不可行域对算法性能的影响.因此,提出一种基于空间收缩技术的约束多目标进化算法(CMOEA-SST).首先,提出自适应精英保留策略对PPS算法的Pull阶段初始种群进行改进,增加Pull阶段初始种群的多样性和可行性;其次,在进化过程中采用空间收缩技术逐渐缩小搜索空间,减少无潜力不可行域对算法性能的影响,使算法在兼顾收敛性和多样性的同时提高收敛精度.为验证所提算法性能,将该算法与四个代表性算法C-MOEA/D、ToP、C-TAEA、PPS在LIRCMOP系列测试问题上进行仿真对比.实验结果表明,CMOEA-SST在处理不可行域较大约束优化问题时具有更好的收敛性和多样性.