上海三林滨江城市更新实践和技术探究

随着上海土地资源进入紧缺发展时代,以存量开发为主的城市更新成为城市发展的主要方式,是新一轮城市发展的动力和引擎,但也面临着许多挑战和瓶颈。文章通过上海三林滨江楔形绿地城市更新项目的实践,对新时期城市更新进行探究,总结城市更新技术路径,提出相应的解决策略。     

天然气水合物试样制备及力学性质研究进展

天然气水合物是天然气与水在低温高压条件下形成的笼形物。天然气水合物储量丰富,是人类理想的潜在替代能源,被认为是21世纪具有商业开发前景的战略资源。分析了国内外水合物实验装置设计及相应的实验研究内容,重点介绍了我国天然气水合物试样制备研究现状及取得的成果。     

主井提升系统的技术改造

介绍了对主井提升系统的多项技术改造及取得效果     

基于信息物理系统的灵活智能发电控制技术

智能发电技术中系统各组成元素的自主性和基于自学习机制的智能化程度的提高,对其架构的灵活性提出了更高的要求。信息物理系统（CPS）是一种对物理过程进行控制的新的理念与体系结构,其高度的灵活性和智能性使其非常适合智能发电技术的应用。本文介绍了CPS的基本概念和特征;论述了基于CPS的灵活智能发电的基本特点;给出了基于CPS的智能发电控制的体系结构;有针对性地给出了现阶段智能发电体系元素向基于CPS的灵活智能发电体系的映射关系。CPS体系使智能发电控制技术逐渐趋于向基于系统组成元素高度智能的“自主化”、SDE/SDS等高度灵活的方向发展,为灵活发电的实现提供了一条新的途径。     

新时代广场超高层框架-筒体结构设计的几点作法

超高层建筑新时代广场是深圳蛇口的标志性建筑。根据工程地质条件,采用挖孔桩加筏板基础,工程抗侧力体系为框架-筒体结构。综合考虑各种因素,上部结构采用了宽扁梁和厚楼板技术。通过设置后浇带解决结构超长问题。结构计算分析结果表明,变形和承载力均满足要求。总结了结构设计中采取的主要技术措施,可供类似工程参考。     

基于XGBoost算法的光伏阵列故障诊断方法研究

针对光伏阵列故障频发,且无法及时有效在线对故障类型进行识别的问题,提出了一种基于极度梯度提升(XGBoost)算法对光伏阵列进行故障诊断的方法。首先,基于Matlab Simulink仿真技术,建立光伏阵列仿真模型,针对正常、开路、短路、老化、阴影遮挡5种光伏阵列运行状态进行仿真,获取500例有效数据;其次,分析仿真数据特征变量之间的共线性关系,提取有效的特征变量作为模型的特征变量输入;然后,基于特征变量构建XGBoost故障诊断模型,并根据10折交叉验证方法优化超参数;最后,依据模型性能度量指标对XGBoost故障诊断模型的诊断结果进行评价,并分析模型特征变量的重要性。研究结果表明：基于XGBoost算法的光伏阵列故障诊断方法能简单、高效、实时在线对样本数据进行故障诊断,可应用于光伏阵列典型故障类型的有效识别。该故障诊断方法可为光伏电站现场运维人员提供技术支持,未来将在大型光伏电站,使用更大范围的实时数据开展使用和验证工作。     

积灰对光伏电池板输出特性影响研究

积灰对光伏电池板输出特性具有显著影响,且因地域、实验环境等因素不同存在较大差 异。为此,本文分析了不同自然积灰的粒径分布特征,分别利用黄土、红土和高岭土,构造了我国不同地域自然积灰的模拟样本;搭建了由光伏电池阵列、MPPT控制器、上位机以及光强测量仪、温度测量模块等构成的实验平台,开展了积灰对光伏电池板的伏安特性、温度、相对透光率以及输出功率影响的测量实验;基于实验数据建立了相对透光率、相对发电效率与积灰密度关系的拟合模型。结果表明:随着积灰密度的增加,光伏电池板的温度、相对透光率和相对发电效率均逐渐降低,且降低幅度与积灰类型有关;应用算例表明,所建模型可用于光伏发电功率预测以及光伏电池板积灰的清洗周期选取。     

基于分类决策树算法的电力变压器故障诊断研究

电力变压器是电力系统稳定运行中最为重要的电力设备。对电力变压器的故障识别,一直是所有电力工作的重中之重。近些年随着人工智能的发展,许多智能算法被引入电力变压器故障研究当中。本文提出一种基于决策树算法的电力变压器故障诊断模型,与其他分类模型相比,该模型具有分类精度高、计算速度快、不需要任何领域知识和参数假设、易于实现等优点。通过对实际的故障样本进行诊断,并与支持向量机算法对比,验证了该算法的优越性。     

基于模糊c均值算法和改进归一化的变压器故障诊断方法

溶解气体分析法是诊断变压器故障的重要方法。本文建立了基于模糊c均值算法的变压器故障诊断模型。为了研究模糊c均值算法模型中样本的不同归一化法(即考虑到不同气体反应故障的灵敏程度不同)对聚类结果的影响程度,首先对溶解气体成分样本使用3种方法进行归一化,这3种方法是离差变换法、一般浓度归一化法和特征浓度归一化法。然后将归一化后的样本作为FCM算法的输入,以所求的隶属度矩阵确定样本所属故障类型。实例计算结果表明,采用特征浓度归一化可提高故障判断准确度。