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。     

非高斯随机过程的短期极值估计: 复合Hermite模型

Hermite模型自20世纪80年代后期开始被广泛应用于非高斯随机过程的短期极值估计。当随机过程的非高斯性很强时,尤其是偏度很大时,常用的3阶Hermite模型不足以表征出极值分布的尾端特征。工程中,样本统计矩的不确定性使得更高阶的Hermite模型不宜使用。基于此,该文提出了同时基于中心矩与线性矩的复合Hermite模型,有效地将Hermite模型由3阶拓展到4阶。该文以对数正态模型作为非线性系统的研究对象,对比分析了在解析条件下和在使用蒙特卡洛模拟获得样本数据条件下,各类Hermite模型与传统的Gumbel法以及平均条件穿越率(ACER)法用于极值分析的表现。结果表明,对于大偏度强非高斯随机过程的极值预测,复合Hermite模型具有更好的精确度和鲁棒性。     

钢结构施工过程静力监测数据分段线性化表示方法

施工过程监测数据链的实质是自变量为时间的数据序列,分段线性化表示方法是表述时间序列数据特征的有效方法之一,但其在施工过程监测数据处理领域的应用较少。从获取施工过程静力监测时间序列数据的极值点入手,将获取的二次极值点序列作为监测时间序列的趋势转折点序列;采用转折点到区域距离的判断方法遴选出重要趋势转折点,并将其作为时间序列的分段点,从而实现静力监测时间序列的分段线性化表示。以浙江路桥新桥的整体移运施工过程监测为例,采用所提出的方法对其典型应力数据链进行分段线性化处理,验证了该方法的有效性。     

牙轮钻头直径的计算

采用求极值来计算才轮钻头的直径，给出了牙轮钻头直径的计算公式，并分别对有移轴及无移轴牙轮钻头直径的计算进行了分析。     

选煤厂设计中需注意的几个问题

对近两年来选煤厂设计中有关选煤工艺、总平面布置及非标件等几种典型设计进行分析研究，作者主张：选煤厂设计应突破思维定势的困扰，动态优化，精益求精。通过归纳总结，旨在为选煤设计人员打开思路提供典范。