10 kV一母多馈电缆线路过电压传递影响因素分析

10 kV电缆发生故障时,弧光接地会产生过电压,造成电网波动,影响供电安全。利用PSCAD建立一母多馈线模型,详细分析了不同条件下馈线条数、中性点接地电阻阻值和电缆长度对电缆中过电压传递特性的影响。结果表明：电缆馈线增加时,发生弧光接地故障,由行波传递分流作用使传递到非故障电缆馈线过电压幅值降低;小电阻接地故障相将产生较高过电压,过电压传递到非故障馈线上时幅值仍较大,给非故障电缆绝缘产生危害;中性点接地电阻增加时,非故障馈线故障相电压幅值降低,非故障相电压故障升高;故障电缆的长度增加,非故障电缆上过电压幅值降低。研究结果可为选取合理选择参数数值,抑制过电压产生提供依据。     

斗笠冲溢洪道切嘴区滑坡成因分析及治理建议

对龙河口水库除险加固工程中,斗笠冲溢洪道切嘴出现滑坡的滑坡过程、产生滑坡的原因、边坡治理及治理后的边坡稳定等问题进行了阐述。     

1OMW高温气冷堆温度系数的测量和评价

在没有辅助热源的情况下,采用主氦风机循环和不大于500kw的核功率的联合加热方式加热堆芯并测量10Mw高温气冷堆的温度系数,用周期法测得石墨反射层平均温度从45.48℃到236.93℃过程中引起的反应性变化.同时,通过物理计算对测量结果进行评估,如果扣除氙毒和温度分布的影响,测量值和计算值是符合的.     

防火带材对高压电缆载流量和温度监测影响研究

为评价防火带材对电缆载流量和温度的影响,搭建220 k V电缆载流量验证平台,结合热路模型试验分析了不同类型防火带材对高压电缆载流量及监测温度影响。分析数据表明,线芯温度稳定在90℃时,陶瓷纤维、PVC以及橡胶3类防火带材绕包内外温差与线芯和环境温差之比分别为29.44%,4.74%及4.52%,橡胶类防火带材散热效果最优,PVC防火带材稍逊于橡胶类防火带材,两者散热性能远优于陶瓷纤维防火带材;采用绕包陶瓷纤维,PVC以及橡胶类防火带材电缆最大允许载流量为非绕包载流量的81.9%,96.2%,96.4%,且当电缆达到最大允许载流量时,3类防火带材表面温度分别为38.7℃,52.7℃,52.9℃,低于未绕包防火带材电缆外护层表面最高允许温度55℃。因此,对于分布式光纤测温系统,电缆线路表面温度报警阈值应相应降低,确保最大载流量情况下线芯温度不超过90℃。     

基于城市人因技术的建成环境对景观情绪感知的影响——以北京胡同为例

在数据驱动城市治理的背景下，城市中的建成环境与情绪感知的关系逐渐成为近年来所关注的重要议题。本研究结合人因技术的脑电情绪感知与主观问卷评价，比较了北京二环内胡同的主客观情绪模型方法，探究了建成环境要素对胡同脑电情绪感知的影响。研究结论可以为优化胡同环境中的旅游感知体验提供指导和建议。     

筒基平台破舱拖航性态试验研究

针对筒基平台在中舱破舱情况下的静水拖航过程进行试验研究，分析破舱下沉及打气上浮过程中结构的运动性态，并对比不同航速条件下结构的拖航稳性，得到了中舱破舱情况及不同航速对结构拖航过程的影响。试验结果表明，中舱破舱对筒基平台的拖航稳性影响较小，因此可对结构进行优化，即将基础中舱与大气连通，以获得更好的下沉效果。     

基于层次分析法的卷烟烘丝机健康度评估

烘丝工序是卷烟制丝生产的关键环节，其设备状态决定着生产是否能正常进行，如果设备带病运行，将会降低烟丝质量。对烘丝机的健康状态进行评估和故障定位对及时掌握设备状态，降低因延时维修造成的经济损失十分关键。提出了一种基于层次分析法的烘丝机设备健康度评估方法。该方法基于传感器采集的设备实时运行数据和统计的历史数据，构建烘丝机设备健康度指标体系，以百分数的形式表示当前设备健康状态。在烘丝机发生故障时，系统可以进行故障定位和故障等级划分，从而提高设备的维修效率。     

地域文脉视角下的高校老校区夜景照明更新设计探索——以重庆大学A区为例

近年来高校快速扩张致使老校区的发展遭到忽视。基于目前老校区夜间环境普遍缺乏对地域文脉特色的挖掘与延续等现状进行夜景照明更新，对于老校区历史文化的传承具有重要意义。本文以重庆大学A区为例，分析校园既有文脉要素及地域特征，结合夜景照明现状调研总结现状问题，并从夜景环境的整体构建、特定场景下的夜景优化、行为介入下的空间体验三个层次对校园夜景照明现状进行更新设计探索，以达到延续地域文脉特色、激发夜间空间活力和活化夜间环境氛围的目的，并为高校老校区夜间环境的更新实践注入新思路。     

Logistic回归和支持向量机在电缆老化状态评估中的应用与比较

电缆老化状态评估主要有物理模型和统计模型两大类，物理模型一般用于电缆个体老化评估，但难以用于在线评估，统计模型一般用于电缆整体老化评估，无法评估个体状态。为建立电缆运行数据与电缆老化状态之间的关联关系，在线评估电缆个体老化状态，文中提出了基于机器学习的电缆老化状态评估方法，建立了Logistic回归和支持向量机这两种机器学习模型，采用十折交叉验证对模型准确率进行了评估，同时计算了模型的F_1-Score。结果表明支持向量机采用多项式核时的总体样本准确率平均值为96%，高于Logistic回归；当召回率与精准度的权重比为1、2、0.5时，支持向量机的F_1-Score得分均高于Logistic回归，支持向量机优于Logistic回归。