健康管理综合业务楼的供暖方案选择

为了满足建筑环境舒适性和经济性的双重要求,为病患提供更好的综合服务,结合实际情况,通过分析不同标准的室内参数规定,确定了室内设计参数。模拟了该建筑的逐时和逐月的供暖负荷。分析了不同供暖形式的初投资与运行成本。最终选择多联机空调系统为该建筑供暖。     

网格化知识迁移学习算法及其在碳能复合流优化中的应用

建立了计及碳责任分摊的碳能复合流优化模型,并提出了一种网格化知识迁移学习算法,以便实现电网的低碳、经济、安全最优运行。算法采用二值编码的方式实现连续-离散空间的转换,以解决连续状态-动作空间的学习和维数灾难问题;从优化任务的状态信息和最优Q值之间的关系从发,构建了知识迁移的基本框架;为了避免在弱联系环境下,整体性提取状态特征信息给学习网络带来干扰,影响迁移学习的准确性,提出了一种网格化信息提取方式,分散式地对各局部特征进行提取和迁移。最后,通过IEEE 118节点系统的碳能复合流优化仿真验证了算法的有效性。     

地沟油制脂肪酸甲酯的碘催化异构化反应

以碘为催化剂,对地沟油制脂肪酸甲酯异构化反应和不同空间构型的异构化产物进行Diels-Alder反应的难易程度进行了研究。采用GC-MS、UV、IR及MS等手段测定了异构化产物的组成分布、共轭结构和空间构型,研究了催化剂用量、反应温度和反应时间对异构化反应的影响规律。结果表明:经碘催化异构化后,亚油酸甲酯主要转变成反-反式共轭结构,少量转变成顺-反式共轭结构。碘催化异构化反应速度较快,物料反应1h基本达到平衡。地沟油制脂肪酸甲酯经异构化后,其中具有反-反空间构型的共轭亚油酸甲酯,易与马来酸酐发生D-A反应,而顺-反空间构型的共轭亚油酸甲酯较难发生D-A反应。     

基于强化学习算法的双馈感应风力发电机自校正控制

针对双馈感应风力发电系统结构复杂,受参数变化和外部干扰较显著,具有非线性、时变、强耦合的特点,在传统矢量控制的基础上,提出一种基于强化学习的自校正控制方法。引入Q学习算法作为强化学习核心算法,快速自动地在线优化PI控制器的输出。基于MATLAB/Simulink环境,在风速低于额定风速时对系统进行仿真,结果表明,引入强化学习自校正控制后,保持了原系统最大风能捕获的能力,同时改善了其动态性能,增强了鲁棒性和自适应性。     

相量测量单元测量值对状态估计中等效电流量测变换算法的影响

针对同步相量测量单元(PMU)能够直接测量母线电压相量的特点,分析了引入PMU测量值对电力系统状态估计的影响.首先修正等效电流量测变换算法,提出了极坐标系下的全雅可比矩阵算法和简化雅可比矩阵算法,分别从增加PMU节点电压量测方程、以PMU测量值作为迭代初值、修正等效电流量测计算公式以及修正雅可比矩阵四方面分析了引入PMU测量值对算法迭代次数和滤波效果的影响.理论分析和算例结果表明,PMU测量值在这四方面对算法的迭代次数和滤波效果均有影响,有些影响还与PMU的数量有关.     

基于ATmega16的双电源自动切换控制器

提出一种以AVR单片机ATm ega16为核心、以断路器为控制对象的双电源自动切换开关控制器的设计方案。充分利用高性能AVR单片机的片内资源,以其片内A/D转换器实现电源电压监测,以其输入捕获测量电源频率并配合外部中断测量相序,以其SPI总线接口控制数码显示驱动器,以并行接口连接按键以便设置参数并利用片内EEPROM存储参数,以并行接口经过光耦隔离实现断路器监控。采取硬件和软件双重抗干扰措施提高控制器的可靠性。     

一种高精度工频相位标准表的设计

介绍了一种高精度工频相位标准表的设计方案.将常用的互感器变换电路用高精度电阻分压、变流电路取代,利用改进的更加精确的过零检测方法,可以克服传统的过零检测给相位测量带来的影响,减小误差,从而大大提高工频相位测量的精度.     

同步相量测量技术在潮流计算中的应用

基于ＧＰＳ的同步相量测量单元（ＰＭＵ）能够测量节点的电压相量。本文从节点电压初值选择、多平衡节点潮流计算、潮流方程直接可解等三个方面初步分析了应用ＰＭＵ后电力系统的潮流计算问题,并讨论了这三种方法的应用条件和特点。算例表明,ＰＭＵ测量值的三种不同用法可以在不同程度上使潮流计算得到改善。     

静止进相器无功补偿原理及其仿真研究

介绍了一种由可控硅构成的交交变频器为主要结构的异步电动机静止进相器.讨论了静止进相器的原理、无功补偿特性及总体结构,并且对静止进相器对异步电动机定子电流的影响进行了仿真研究.     

基于改进生成式对抗网络的电气数据升频重建方法

高频电气数据是提高电网态势感知准确度、监测水平和辅助服务质量等的数据基础之一,但是,传统重建算法难以实现高精度的数据重建。因此,文中利用改进生成式对抗网络将低频电气数据重建为高频。通过将时序数据转化为电气图像,实现神经网络方法对电气图像特征的高效提取。利用基于深层残差网络的生成器和改进的残差块结构,提高生成器的特征学习能力。此外,生成器损失函数考虑真实样本与生成样本在低维或高维特征的差别。以公开数据集为例进行算法验证,验证结果表明,相比于传统重建方法,所提方法具有更高的峰值信噪比、结构相似性和更低的平均绝对误差、平均绝对误差百分数,以及更高的高频细节还原度、重建精度,能够对不同数据集实现泛化。