基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

陕西省首个市级气象计量实验室落户西安

2021年1月11日,陕西省首个市级"气象计量检定标准化实验室"在西安市气象局建成,这也是全国首批完成的市级气象计量实验室。该实验室建成后可实现温度、湿度、气压等气象要素的实验室自动化计量检定,可确保观测数据量值传递溯源的准确性和可靠性,进一步增强气象数据的可用性,提高市级国家自动气象站、区域自动气象站的计量效率。     

S120在薄带铸轧主轧机控制系统上的应用

薄带铸轧生产线设备紧凑,生产工艺更加低耗高效,是钢铁工业流行发展的趋势.SINAMICS S120控制系统应用在薄带铸轧主轧机传动系统上,可以根据需求灵活增添功能配置.通过介绍该生产线工艺流程,突出S120传动控制系统的优势.此外,针对S120控制系统设计和应用,尤其是负荷平衡控制、SINAMICS Link通讯、安全转矩关断等特殊应用的实现进行了详细的阐述.     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

基于VOCs传感器敏感材料的研究进展

挥发性有机化合物(Volatile organic compounds,VOCs)检测是环境治理的重要环节,而开发快速、灵敏的检测系统仍然面临挑战。基于智能系统的VOCs传感器能够实时监测空气中污染物浓度,从而严格把控排放标准,减小VOCs对环境和健康的影响。通过调控材料及构筑方法能够制成适用于识别和快速捕获VOCs的敏感元件,从而获得传感性能优越、安全可靠的气敏传感器。本文以敏感机制为出发点,介绍了聚合物、金属氧化物、复合材料及新材料作为敏感膜的研究进展,重点讨论了VOCs与敏感膜的相互作用机制。基于此,分析了提高VOCs检出浓度和响应速度的构筑方法。最后,展望了基于光学效应的光致发光型和手性向列型敏感膜材料在VOCs智能检测领域的前景和面临的挑战。     

基于SVD和SSA-VMD降噪的轴承故障特征提取

针对强噪声背景下轴承故障特征提取困难的问题，提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先，对原始信号进行奇异值分解(Singular Value Decomposition，SVD)处理，运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号；其次，为防止故障信息丢失，将残余信号进行麻雀算法(Sparrow Search Algorithm，SSA)优化的变分模态分解(Variational Mode Decomposition，VMD）算法处理，得到最佳的模态个数K和惩罚参数α，选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号，并对信号进行包络分析；最后，通过仿真和试验数据分析得出，该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征，为设备的状态监测和故障诊断提供理论依据。     

智能电网的非侵入式负荷监测系统设计

为进一步提高智能电网的信息分析挖掘能力以及数据共享交互能力，设计一款功能完善、实用性强的非侵入式负荷监测系统。在结合系统需求分析的基础上，完成对系统技术架构和系统总体方案的设计；从数据采集模块设计、主控模块设计、通信模块设计等方面入手，完成系统核心功能模块的设计；对系统的运行性能以及云平台在线监测功能进行测试。结果表明：所设计的非侵入式负荷监测系统运行正常、可靠、稳定，各个功能模块实现满足设计相关要求。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

“灰绿”协同措施对银川市合流制溢流污染的影响EI北大核心CSCD

针对合流制管网系统在雨天溢流污染严重,造成城市水体黑臭现象的问题,以银川市某高密度城区合流制管网系统为例,基于SWMM模型,在短历时设计降雨和长历时设计降雨两种条件下,模拟分析了合流制溢流(CSO)调蓄池、雨污管道混错接改造、绿化带海绵化改造等“灰绿”协同措施对CSO污染的影响。结果表明:CSO调蓄池、雨污管道混错接改造、绿化带海绵化改造及“灰绿”措施结合4种方案在短历时、长历时设计降雨条件下,随着降水量的增加,溢流水量及溢流污染物负荷均增加,溢流削减率均逐渐减小,其中“灰绿”措施结合方案对溢流污染的削减效果最为显著;重现期小于5 a时,溢流水量削减率与溢流污染物负荷削减率基本达到80%;降雨条件为中雨时,污染物负荷削减率基本达到75%;重现期为20 a时,溢流水量削减率及TSS、COD、TP、NH^(+)_(4)-N负荷削减率分别达到64%、70%、70%、70%、70%;降雨条件为大雨时,溢流水量削减率及TSS、COD、TP、NH^(+)_(4)-N负荷削减率分别达到28%、32%、26%、31%、33%。