基于卷积神经网络的大坝安全监测数据异常识别

为了减轻大坝安全监测数据异常识别的数据处理压力,解决传统方法难以辨别非最值异常点的问题,提出利用卷积神经网络(CNN)识别大坝安全监测数据异常模式。监测数据过程线的周期性及异常值的显著差别使CNN得以发挥图像分类功能,分别将存在单个突跳点、无异常、存在震荡段、台阶、多个突跳点、台坎的监测数据过程线作为6类图像,人工生成65 000张训练数据及6 500张测试数据,6类图像的数量比为1∶1.5∶1∶1∶1∶1。利用CNN对混合6种过程线图像的测试数据集进行图像分类,总体准确率为0.973 1,且6种图像的准确率都至少为0.93。进一步对CNN进行改进,构建CNN监测数据异常识别模型,增加数据异常位置搜索功能;模型输入为监测数据过程线图像,输出为图像编号、图像类别及异常位置。研究成果有助于实现大坝自动、及时预警,及时了解大坝安全状况。     

利用氯碱厂废弃盐泥制备NO3-吸附剂

将氯碱厂废弃盐泥与丙烯酸、钛酸四正丁酯等共聚，过硫酸钾作引发剂，制得TNO3^-吸附剂，同时还得到了有利用价值的二氧化硅和碳酸钙。用正交试验法与单纯形优化法相结合，确定了废弃盐泥制备NO3^-吸附剂的优良配方及合适的工艺。增添了水净化剂的新品种，探索了氯碱工业废弃盐泥利用的新途径。     

模拟退火算法在电站锅炉燃烧优化中的应用

采用模拟退火算法使锅炉燃烧过程在安全、可靠的前提下,以最佳状态运行,同时对环境的不利影响程度降到最低。对已建立的锅炉燃烧模型用模拟退火算法进行优化,在各运行参数的取值范围(阈值)内,确定用一组理想指导值,使锅炉在此种情况下燃烧飞灰含炭量最小。仿真结果表明,该算法是一种高效率的寻优方法。     

利用图像比对完善微机防误操作闭锁功能

一般情况下只要微机防误系统正常,变电所电气设备操作应该没有问题。但事实上仍然存在误操作的可能性,必须采取技术措施来有效避免设备操作不到位情况发生,可以将微机防误系统和视频工具相结合,利用图像分析技术,实现微机防误闭锁全覆盖。     

500kV牌长Ⅱ线空载投切试验方案选取仿真分析

根据500 kV牌长Ⅱ线接线方式和线路参数,计算空载长线工频过电压升高倍数,利用电磁暂态仿真软件ATP,建立500 kV牌长Ⅱ线的仿真模型,仿真不同运行方式下的工频电压升高和操作过电压倍数,结合仿真结果和试验情况,提出最佳的试验方案。     

基于盲源分离的变电站导线电流分布实时监测

针对变电站导线电流分布不平衡导致故障的问题,提出了一种盲源诊断法。首先使用基于非侵入式无芯和非接触式霍尔传感器的监测系统感应所有导线周围的磁通密度;其次利用磁通密度与电流之间的方程式来估计每根导线中的电流;再次将电流与热额定值进行比较,确定电流分布是否均匀;最后根据电流分布情况决定是否触发报警。实验结果表明,该方法能够正确检测导线电流分布情况,具有非常好的适用性。     

析因T 检验-多中心临床研究资料的分析方法

目的 新药临床研究应在三个以上医院进行, 这种多中心临床研究资料应当调用原始资料, 用方差分析算出总变异、院间变异、组间变异及残差, 再作F 检验以确定用药组及对照组间差异有无显著意义。实际上各院总结资料已分别列出了两组的均数及标准差, 再次调用原始资料并无必要。本文给出一种等同于方差分析的析因T 检验, 可直接由各院总结资料进行组间差异的显著性分析。方法 根据专业要求, 进行数理推导。结果与结论 析因T 检验简便, 实用, 可代替方差分析法。在审批临床试验时, 可供核算之用。     

光伏(PV)组件安全鉴定试验概述

为了保证光伏组件在使用过程中的安全和正常运行,IEC(国际电工委员会)制定了一系列的安全标准.本文主要概述了光伏组件的性能测试和试验要求,介绍了由机械或外界环境影响造成的电击、火灾和人身伤害的保护措施进行评估的方法,以确保在预期的使用期内提供安全的电气和机械运行.     

基于注意力机制学习的变电设备缺陷检测方法

针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法。所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性。首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测。所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的mAP达到了70.4%。