基于动态安全域的电力系统安全概率评估模型

针对电力系统安全性问题特性,提出一种基于动态安全域的安全概率评估模型。模型核心是不安全概率指标,并通过该指标来表征各电力元件以及整个电力系统的安全性状况。概率方法的引入,使得模型不仅计及系统中各种主要的不确定性因素,而且对系统的安全状况进行了定量的描述。动态安全域理论大大降低了安全概率评估的计算量,使得该模型具有实用性。评估结果可以用于指导运行人员在安全控制中制定正确的决策。用新英格兰10机39节点系统(New England 10-generator 39-bussystem)对该模型做了验证。     

基于概率不安全指标的电力系统紧急控制

基于动态安全域的最优紧急控制模型可以对各紧急控制的效果进行量化评估。鉴于现代电力系统各种随机事故对系统稳定性的影响日益增大,提出了基于概率不安全指标的紧急控制模型。首先利用最优紧急控制模型得到最优方案并据此形成控制方案集,然后利用概率不安全指标模型计算各方案的不安全概率,最后选出符合系统要求、控制成本最小的方案作为系统的紧急控制方案。通过10机39节点新英格兰系统进行验证,可以得到控制成本相近但系统不安全概率由0.51%降低到0.12%的控制方案。表明了所提出控制模型的有效性。     

基于人工智能的电力调度机器人功能架构研究

针对现有电力调度机器人智能化程度不高、集成度较差等问题,以电力调度系统的运行机制和规章制度为基础,设计了一种基于人工智能的电力调度机器人功能架构.该架构技术路线融合了人工智能和异源异构数据存储关联分析等技术.论述了架构组成,详细阐述了调度机器人功能模块,包括:智能监控、智能学习、智能决策等.最后,对其应用前景进行了展望.     

关于加强铁路施工安全管理对策的几点思考

近些年以来,铁路建设中一些新的施工设备和施工技术被广泛采用,使得建设的速度和质量都有较大程度的进步,但与此同时,因为技术标准和建设工程项目的指标参数,特别是一些更加恶劣的建设环境需求,都给铁路施工建设带来了巨大的考验。为此,就必须从施工的各个方面采取有效措施进行管理,尤其是安全方面,不容有任何闪失。本文结合铁路施工安全管理的重要性,认真分析了目前铁路施工中存在的种种安全问题,并进而提出了具体的应对措施和解决方法,有很强的实效性和针对性。     

求解电力系统动态安全域的改进解析法

电力系统动态安全域是电力系统安全性研究的重要方面,其解析法求解速度很快,但误差较大。大量计算发现,解析法求得的安全域边界超平面系数和传统的拟合法求得的系数之间有较强的相关性,据此提出了求解电力系统动态安全域的改进解析法。首先在一个临界注入点处通过解析法计算得到一组平面系数,然后根据相关性和其它临界注入点的安全性信息,得到该组系数与真实值之间的偏移值,最后得到该系数的改进值。该方法在保留解析法快速性特点的基础上,显著减小了计算误差。用新英格兰10机39节点系统算例进行验证,最大误差由改进前的4.08%减小到0.50%,表明所提方法是有效的。     

CNF/活性炭纸基材料对水中余氯去除性能研究

本研究以针叶木浆、活性炭粉末和聚酯纤维为原料,添加纤维素纳米纤丝(CNF),制备了一种高性能、绿色可降解、用于去除水中余氯的CNF/活性炭纸基材料(CNF/ACPBM).探讨了 CNF添加量对CNF/ACPBM的活性炭留着率、物理性能、结构特性及余氯去除性能的影响.当CNF添加量为2.0％时,CNF/ACPBM的活性炭...     

基于多源信息的综合停电研判研究与应用

从配电网实用角度上介绍了基于多源数据信息的配电网综合停电研判方法,包括基于区间负荷分配的配电网状态估计处理技术及考虑多源数据的综合研判技术等。该方法已经在广东大部分配电网得到应用,现场运行情况表明所提方法是有效的,可以从最大程度上实现配电网可观可测并针对故障设备进行正确的故障研判,大幅度地提高了供电可靠性。     

基于机组同调性的电力系统动态安全域改进解析法

大量仿真结果表明实用解析法求得的动态安全域(DSR)边界超平面系数的误差与机组同调性间有强相关性,据此提出基于机组同调性求解DSR的改进解析法.在实用解析法基础上将系统节点分为临界机组、剩余机组和负荷节点群,仅计算几个临界注入点,就可估算各组节点DSR边界超平面系数的修正量.IEEE 10机39节点系统和118节点系统的仿真结果最大误差分别小于4%和0.7%,计算时间分别为拟合法的7.5%和1.3%,表明所提方法速度快、误差小且合理可行.     

基于DC-RRF的手眼标定优化算法北大核心

针对传统手眼标定中坐标转换过程繁杂、标定精确度受人为因素影响较大等问题,提出了一种基于相机畸变校正(DC)与回归随机森林(RRF)的改进手眼标定算法。首先,对实验所用的相机进行畸变校正;其次,使用Eye to Hand形式搭建实验台,采集图像坐标及其对应的机械臂坐标,建立坐标数据集;最后,使用DC-RRF算法、线性回归算法以及传统手眼标定算法在坐标数据集上进行训练,将不同算法下的平均绝对误差、均方误差等评价指标进行对比。实验结果表明,DC-RRF算法在X/Y/Z三轴上的精准度均为最佳,平均误差可控制在1.77 mm,该算法的精准性在很大程度上保证了机器视觉与机械臂的有效结合并在分拣系统中得到精准应用。