基于蜂群算法和半监督极限学习机的光伏系统故障诊断

户外环境中运行的光伏系统容易受到各种因素特别是灰尘的影响，其非正常运行会导致大量的电力损失，严重的短路故障则会导致安全问题和火灾隐患。因此，监测光伏系统的运行状态，及时排除潜在故障，制定有效的处理方案是当前研究的重点。本文分析了光伏电池串在各种故障状态下的I-V特性，特别是在污秽条件下的I-V特性。针对具有特定故障的光伏系统，特别是大规模光伏系统的标记数据难以记录的问题，提出了一种结合人工蜂群算法和半监督极值学习机（ABC-SSELM）的新算法。该算法能够利用少量的模拟标记数据和历史未标记数据对光伏故障进行诊断，大大降低了人工成本和时间消耗。此外，灰尘堆积监测可以提醒电厂业主及时清洗光伏组件，提高发电效益。最后，使用3.51kWp和3.9kWp的光伏系统验证所提出的诊断方法，数值仿真和实验结果证明了所提光伏诊断技术的准确性和可靠性。     

基于改进交叉熵算法的电力系统随机生产模拟

蒙特卡洛模拟的计算效率与系统的可靠性密切相关，在其用于高可靠性系统的随机模拟时存在计算效率偏低的问题。为此，提出了一种基于多层交叉熵与对偶变数抽样技术相结合的随机模拟算法。首先使用多层交叉熵构造零方差概率密度函数的近似函数，提高小概率失效事件的抽取概率；其次基于已构造的近似概率函数，采用对偶变数抽样法进行抽样，进一步提高抽样的收敛速度。以IEEE RTS修改系统为例进行了算例分析，算例结果验证了所提出的基于改进交叉熵的电力系统随机生产模拟算法的有效性。     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题，建立多重威布尔混合分布参数估计的非线性最小二乘模型，并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中，采用自适应方法调整惯性权重和加速因子，加快其收敛速度；引入模拟退火机制，根据Metropolis准则确定最优粒子的取舍，改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中，并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较，分析所提方法的优化性能及精度。结果表明，该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

基于最小维修的石化安全设备区间截尾寿命数据分析

在石化安全关键设备寿命截尾数据的可靠性评估过程中，为避免传统可靠性评估方法未考虑维修对故障间隔时间的影响，以及中值填充法误差较大的缺点，本文提出了一种逆变换区间截尾数据填充方法。首先，在可修系统基于最小维修的假设下，通过非齐次泊松过程描述系统的故障趋势，利用逆变换填充得到监测区间的缺失数据；随后根据蒙特卡罗期望最大化算法，获得填充数据的参数估计值。通过蜡油加氢装置紧急泄压阀的案例分析，该算法能够很好地融合已有数据，得到的形状参数估计值偏差与中值填充法相比缩小4%以上，从而验证了该算法的有效性；这有助于安全关键设备的定量化完整性管理，保障石化装置平稳运行。     

CFM56-3发动机高压点火导线可靠性分析

高压点火导线是航空发动机点火系统中故障率较高的一个部件,其可靠性关系到发动机的点火可靠乃至于整个飞机的飞行安全。以国内某航空公司B737机队发动机高压点火导线维修数据为基础,采用可靠性方法对其进行分析。根据直方图进行分布初选后以极大似然估计法进行参数估计,然后用Minitab软件对各分布进行检验,以此选出拟合程度最好的寿命分布。检验结果高压点火导线故障数据服从指数分布,在此基础上结合航空维修相关理论给出相应的维修建议。