小水电站生态流量对电能损失率的影响分析

小水电站多以追求最大发电效益为目的,电站下游河道生态流量往往处于"无"或"少"的不良状况,对生态环境影响日益凸显.为研究电站下泄生态流量对电站电能损失的影响及影响因子的作用,本文选取江西省遂川县为研究区域,采用主成分分析法分析小水电站生态流量对电站电能损失率的影响.结果表明:(1)河道生态流量对小水电站目前运行实际发电量的损失率的影响阈值一般控制在[10％,20％].(2)电站效能属性第一主成分包括年利用小时数(M4)、设计流量与多年平均流量比(M5)和水量利用率(M6);电站出力属性第二主成分包括设计水头(M2)和设计流量(M3);装机规模(M1)为第三主成分装机属性单一主要指标;其中,M2和M4对电能损失率呈负作用,表明参数越大,相应电能损率失越大;M1、M3、M5和M6对电能损失率起积极正向作用,参数越大,相应电能损失越小.建议在小水电整改评估工作过程中,以考证M4、M5和M6的真实性和可靠性为先,后以电站铭牌特征值M2、M3和M1收集为辅,便于整改评估工作的顺利开展.本研究可为小水电站的评价认定和电能损失补偿提供一定的技术支撑和参考.     

煤矿信息化软件中系统配置信息维护组件的设计

针对目前煤矿信息化软件中系统配置信息管理模块的设计和实现因只注重当前需求而造成软件资源不能重用、软件后期维护升级较困难的问题,研究并设计了系统配置信息维护组件。分析了系统配置信息的特点,并将其分为多值配置信息和单值配置信息;给出了系统配置信息维护组件的整体设计、功能设计和主要流程设计。该组件以固定格式的存储文件统一存储配置信息,可避免因配置数据迁移造成需对整个软件进行改动的情况;同时提供接口供外部程序获取数据,实现了对各种配置数据的维护。实际使用表明,该组件减少了软件开发的工作量,降低了软件维护及升级的复杂度。     

Weighted principal component extraction with genetic algorithms

Pattern recognition techniques have been widely used in a variety of scientific disciplines including computer vision, artificial intelligence, biology, and so forth. Although many methods present satisfactory performances, they still have several weak points, thus leaving a lot of space for further improvements. In this paper, we propose two performance-driven subspace learning methods by extending the principal component analysis (PCA) and the kernel PCA (KPCA). Both methods adopt a common structure where genetic algorithms are employed to pursue optimal subspaces. Because the proposed feature extractors aim at achieving high classification accuracy, enhanced generalization ability can be expected. Extensive experiments are designed to evaluate the effectiveness of the proposed algorithms in real-world problems including object recognition and a number of machine learning tasks. Comparative studies with other state-of-the-art techniques show that the methods in this paper are capable of enhancing generalization ability for pattern recognition systems.     

一种基于混合神经网络的浮选pH值预测模型

矿物浮选过程中,矿浆pH值作为影响浮选效果的一个重要因素,是实现浮选过程监视及优化控制的一个重要参量。目前的pH值测定仪存在交叉污染、测量滞后等问题,难以获得实时准确的pH值。为使浮选运行在最优状态,在泡沫图像特征提取的基础上,提出一种基于自适应遗传混合神经网络的预测模型,该模型首先利用主元分析(PCA)方法对提取的多个图像特征进行降维,然后采用自适应遗传混合神经网络(AGA-HNN)建立pH值预测模型。最后将该模型应用于浮选现场,预测结果能够实时跟踪实际值,根据预测值实时调整工况条件,改善了浮选效果,提高了浮选效率。     

基于MAK仿真平台的要地防空作战仿真研究

结合要地防空作战样式特性,构建了基于MAK仿真平台的分布交互式作战仿真系统,研究了要地防空CGF框架和仿真实体的探测器、控制器和执行器组件,采用Stealth开发了地空导弹武器系统和飞机视景仿真系统,模拟了地面和空中战场环境,并最终形成了初步仿真案例。研究成果对采用MAK平台开发作战仿真系统有一定借鉴和参考价值。     

基于中间件技术的变电站温升在线监测预警系统设计

针对由于各种原因引发变电站发热方面的故障,设计了变电站温升在线监测预警系统,建立了基于中间件技术的变电站温升在线监测预警系统框架模型。采用组件式开发技术设计并实现了变电站温升在线监测预警系统,将系统的构成组件分为界面型组件及数据维护组件。组件式系统能够根据企业需求的变化实现快速重构,提高了信息系统的柔性。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

影响大用户产业接入的电网关键因素研究

从电力公司角度构建了全方面、多维度的电网影响因素体系,由此对地区四大典型新兴产业的电网接入情况进行研究。结合改进的主成分分析法与基于时间效应改进的灰色关联度模型计算各影响因素与四类典型大用户产业落户情况之间的信息量值以及关联度大小。综合模型计算所得到的结果确定不同产业中各指标的影响权重和影响比例。从而根据影响指标等级划分表确定不同类型产业的主要电力影响因素,在大用户电网接入规划中能够对主要影响指标采取针对性措施,实现在改善电网以加强大用户接入适应程度的同时,保证电网投资收益的正常运行。     

含逆变型分布式电源的不平衡配电网短路电流计算方法研究

逆变型分布式电源（IBDG）的输出由其控制策略决定而具有很强的非线性,使传统配电网的短路电流计算方法不再适用,而配电网的不对称更是进一步增加了其短路计算的难度。根据对称分量法推导出不平衡配电网的故障点各序电流,提出一种基于序网络迭代修正的不平衡配电网短路电流计算方法,在每一次迭代中,根据当前节点各序电压分别修正IBDG的输出电流和各不对称元件补偿电流源的输出电流,利用节点电压方程得到新的节点各序电压和故障点各序电流,直到满足收敛条件。最后,基于PSCAD/EMTDC对含IBDG不平衡配电网的进行了仿真计算,验证了所提方法的准确性和有效性。     

基于机器学习的高铁站评价模型

高铁站的选址一直处于矛盾之中,政府既要减少高铁站对民众生活的影响,又要考虑拆迁成本,如何让高铁站的选址更加科学成为一个需要深思熟虑的问题。为此,运用线性回归分析法、灰色预测法建立了经济贡献率模型,得到高铁站对该市的经济贡献率;以辽宁省已建成的高铁相关数据为基础,从建设投入、施工耗时、换乘方便度、经济贡献等角度进行考虑,提出了一种基于主成分分析法的高铁站选址评价模型,并运用评价模型对辽宁省3个高铁站选址进行实例分析。结果表明,沈阳北站选址较为成功,客流量、距市中心距离是影响高铁开发的重要因素。